41963.pdf. Universitas Terbuka. Koleksi Perpustakaan Universitas Terbuka

U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf

Koleksi Perpustakaan Universitas Terbuka

U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni

ve

rs

ita

s

Te

rb u

ka

16/41963.pdf


U

ni

ve rs i

ta

s

Te

rb

uk

a

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni

ve

rs

ita

s

Te

rb u

ka

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni

ve

rs

ita

s

Te

rb u

ka

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni

ve

rs

ita

s

Te r

bu ka

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni

ve

rs

ita

s

Te

rb u

ka

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni

ve

rs

ita

s

Te

rb u

ka

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni

ve

rs

ita

s

Te

rb u

ka

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni

ve

rs

ita

s

Te r

bu ka

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U ni

ve r

si

ta

s

Te rb uk a

16/41963.pdf


U

ni

ve

rs

ita

s

Te r

bu ka

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni

ve

rs

ita

s

Te r

bu ka

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni

ve rs i

ta

s

Te r

bu

ka

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


U

ni ve

rs

ita

s

Te

rb

uk a

16/41963.pdf


16/41963.pdf

BABIV HASIL DAN PEMBAHASAN

A. Deskripsi Objek Penelitian

Secara substansi penelitian ini ingin melihat efek penerapan standar akuntansi keuangan yang berbasis kepada Nilai Wajar pada satu sisi dan nilai buku pada sisi lainnya dengan proxy melihat pengaruh rasio profitabilitas (ROBA,

ka

ROE dan NPM) terhadap rasio penilaian (PBV). Pengukuran Nilai Wajar dan

rb u

Nilai Buku secara spesifik dapat dilihat pada pencatatan nilai aset tanaman untuk

Te

perusahaan-perusahaan perkebunan. Dalam pemenuhan hal tersebut rnaka objek penelitian yang diambil difokuskan kepada sampel berasal dari sejurnlah

ita

s

perusahaan perkebunan yang telah tercatat di bursa efek Indonesia (IDX) yang masih menggunakan PSAK 16 dan bursa efek Singapore (SGX) yang selama ini

ve

rs

telah rnewajibkan penggunakan Standar Akuntansi Kcuangan Internasional

ni

(/FRS) dimana Nilai Wajar telah digunakan dalam pengukuran nilai aset tanaman.

U

Sejurnlah perusahaan perkebunan yang terdaftar di wilayah IDX dan menjadi sampel penelitian ini beijumlah tujuh perusahaan dan demikian juga sampel dari perusahaan perkebunan yang terdaftar di wilayah SGX diambil sebanyak tujuh perusahaan. Perusahaan-perusahan perkebunan dirnaksud dapat dijelaskan meliputi : A.l

Perusahan perkebunan di wilayah IDX Perusahaan perkebunan yang telah listed di bursa efek Indonesia secara

keseluruhan adalah 15 (lima be las) perusahaan dari yang telah tercatat lebih dari


16/41963.pdf

65

lima tahun hingga yang tercatat dalam satu tahun terakhir. Dari jumlah tersebut telah diambil sebanyak 7 (tujuh) perusahaan dengan batasan kriteria tertentu sebagaimana telah diuraikan pada Bab-3 meliputi:

Tabel4.1 Gambaran Perusahaan Perkebunan yang Menjadi Sampel di Wilayah lOX

I.

Perusahaan PT. Astra Agro Lestari, Tbk

Lingkup Usaha

•

•

Pcrkebunan kelapa sawit dan produk turunannya Luas areal tertanam 22 0. 021 Ha

PT. BW Plantation, Tbk

• •

Perkebunan kelapa sawit Luas areal tertanam 101.250 Ha

3.

PT.PP.London Surnatera Indonesia, Tbk

•

Perkebunan kelapa sawit dan pembenihan, karet Luas areal tertanam 110.579 Ha Perkebunan kelapa sawit dan pembenihan, karet dan sagu Luas areal tertanam 70.712 Ha

•

PT. Sampoema Agro, Tbk

5.

ve

rs

•

PT. Tunas Baru Lampung, Tbk

•

Te

Perkebunan kelapa sawit, tebu dan nanas dan pembenihan, karet dan sagu • Luas areal tertanam 47.924 Ha PT. SMART, Tbk 6. • Perkebunan kelapa sawit dan turunannya • Luas areal tertanam 107.946 Ha PT. Gozco 7. • Perkebunan kelapa sawit dan Plantation, Tbk turunannya • Luas areal tertanam 32.883 Ha Surnber: Laporan Tahunan masmg-masmg Perusahaan, 2014

Kalimantan

•

Surnatera Sulawesi

•

•

Surnatera Kalimantan

• •

Sumatera Kalimantan

• •


• •


•

U

ni

•

• •

s

ita

4.

rb u

2.

•

•

Lokasi perkebunan Sumatera Kalimantan Sulawesi

ka

No.

Gambaran perusahaan-perusahaan perkebunan yang menjadi objek penilitian ini merupakan perusahaan yang rata-rata beroperasi di Indonesia dengan


16/41963.pdf

66

dominan komoditi yang diolah adalah tanaman kelapa sawit selain terdapat tanaman karet dan komoditi lainnya. Secara keseluruhan lokasi perkebunan dari masing-masing perusahaan tersebut menyebar di wilayah Sumatera, Kalimantan dan sebagian kecil di Sulawesi (Laporan tahunan masing-masing Perusahaan, 20 13).

A.2

Perusahan perkebunan di wilayah SGX

ka

Perusahaan perkebunan yang telah listed di bursa efek Singapore secara

rb u

keseluruhan adalah sembilan perusahaan dari yang telah tercatat lebih dari lima tahun hingga yang tercatat dalam satu tahun terakhir. Dari jurnlah tersebut telah

Te

diambil sebanyak 7 (tujuh) perusahaan dengan batasan kriteria tertentu

U

ni

ve

rs

ita

s

sebagaimana telah diuraikan pada Bab-3 meliputi:


16/41963.pdf

67

No. I.

Tabel4.2 Gambaran Perusahaan Perkebunan yang Menjadi Sampel di Wilayah SGX Lingkup Usaha Lokasi Perusahaan perkebunan Firs Resources, Ltd • Perkebunan kelapa sawit dan • Sumatera produk turunannya • Kalimantan • Luas areal tertanam 148.727 Ha

•

Kalimantan

Perkebunan kelapa sawit dan pembenihan dan industri hilir kelapa sawit Luas areal tertanam 3 71.102 Ha Perkebunan kelapa sawit dan pembenihan, karet, kakao dan gula Luas areal tertanam 276.709 Ha Perkebunan kelapa sawit, tebu dar1 nanas dan pembenihan, karet dan sagu Luas areal t<:rtanam 52.135 Ha

• •

Sumatera Kalimantan

• •

Sumatera Kalimantan Jawa Barat

• •

Kalimantan Sulawesi

Perkebunan kelapa sawit dan turunannya Luas areal tertanarn 241.048 Ha

• • • •

Sumatera Kalimantan Malaysia Afrika

Perkebunan kelapa sawit dan turunannya • Luas areal tertanam 114.952 Ha Sumber: Laporan Tcllunan masmg-masmg Perusahaan. 2014

•

Kalimantan Sumatera

• •

4.

Indo food Agri, Ltd

• •

Kencana Agri, Ltd

•

ita

5.

rb u

Golden Agri Resources, Ltd

Te

•

•

s

3.

Global Palm Resources Holding, Ltd

ka

Perkebunan kelapa sa wit Luas areal tertanam I 0.403 Ha

2.

ve

ni 7.

• •

Bumitama Agri, Ltd

•

Wilmar International, Ltd

U

6.

rs

•

•

•

Gambaran perusahaan-perusahaan perkebunan yang menjadi objek pene1itian untuk wilayah SGX Singapore, secara umum keberadaannya lokasi perkebunannya

berada di Indonesia meskipun terdapat beberapa lokasi

perkebunan yang terletak di Malaysia dan Afrika. Sedangkan dilihat dari dominasi


16/41963.pdf

68

Jems tanaman yang dibudidayakan bisa dikatakan mendekati sama dengan • gambaran perusahaan-perusahaan perkebunan untuk wilayah IDX (Indonesia), seperti kelapa sawit dan karet.

Komoditi utama (kelapa sawit) yang diusahakan olch perusahaanperusahaan perkebunan di wilayah SOX tersebut secara umum sama dengan perusahaan-perusahaan perkebunan yang ada di lOX (lihat Tabel 4.1 dan 4.2).

ka

Namun sebagai perusahaan publik, perusahaan-perusahaan perkebunan tersebut terikat kepada ketentuan otoritas keuangan Singapore dalam pemenuhan standar

rb u

akuntansi keuangan intemasional (!FRS) yang telah diadopsi full oleh Singapore

Te

(PWC, 2011).

ita

s

B. Analisis Deskriptif Statistik

rs

Deskriptif statistik dapat menjelaskan tentang karakteristik data yang

ve

digunakan dalam penelitian dilihat dari nilai mean (rerata), minimum, maksimum, dan standar deviasi. Nilai mean merupakan nilai rata-rata dari setiap variabel yang

U

ni

diteliti. Nilai minimum merupakan nilai terendah untuk setiap variabel, sedangkan nilai maksimum merupakan nilai tertinggi untuk setiap variabe! dalam penelitian. Standar deviasi merupakan sebaran data yang digunakan dalam penelitian yang mencerminkan data itu heterogen atau homogen yang sifatnya fluktuatif.

Penelitian ini menggunakan 4 (empat) variabel yaitu : Price to Book Value (PBV), Return on Biological Assets (ROBA), Return on Equity (ROE), dan Net

Profit Margin (NPM). Objek yang dijadikan sampel berada adalah perusahaan tercatat di bursa efek Indonesia (lOX) dan bursa efek Singapore (SGX) dengan komposisi sampel yang dijadikan objek penelitian adalah perusahaan terbuka


16/41963.pdf

69

yang konsentrasi kegiatan usahanya adalah industri perkebunan dengan jumlah sampel sebanyak 7 perusahaan pada wilayah IDX (Indonesia) dan sebanyak 7 perusahaan di wilayah SGX (Singapore) selama kurun waktu tahun 2008 sampai dengan tahun 2013.

Hasil penelahaan laporan keuangan pada masing-masing perusahaan di kedua bursa efek terse but memberikan hasil deskripsi statistik sebagai berikut :

ni

ve

rs

ita

s

Te

rb u

ka

Tabel4.3 Perbandingan Deskriptif Statistik Wilayah IDX dan SGX

U

Berdasarkan statistik deskriptif yang disajikan dalam tabel 4.3, berikut ini dapat diinterpretasikan sebagai berikut :

•

Price to Book Value (PBV)

Price to Book Value (PBV) merupakan salah satu rasio keuangan yang dapat menggambarkan nilai perusahaan dengan melihat perbandingan harga pasar saham terhadap nilai buku saham yang bersangkutan. PBV yang memiliki nilai yang tinggi sering memberikan nilai perusahaan pada kondisi yang baik


16/41963.pdf

70

(Damodaran, 2011).

Gambaran PBV pada sampel perusahaan-perusahaan

perkebunan yang tercatat di bursa wilayah IDX diperoleh rata-rata sebesar 2,33 kali dengan nilai minimum 0,44 kali dan nilai maksimum sebesar

5,75 kali

dimana standar deviasinya adalah 1,26. Gambaran ini dapat menjelaskan berdasarkan data enam tahun terakhir yang dijadikan sampel, diperoleh pertumbuhan PBV relatif fluktuatif (standar deviasi I ,25). Perusahaan yang memiliki PBV tertinggi dihasilkan oleh PT. Astra Agro Lestari, Tbk sebesar 5,75

ka

kali yang teijadi pada tahun 2009 sementara PBV terendah dihasilkan oleh PT.

rb u

Gozco Plantation, Tbk sebesar 0,44 kali pada tahun 2013. PBV pada suatu perusahaan dengan perusahaan yang lain secara signifikan dapat saja berbeda

Te

disebabkan karena ukuran perusahaan, skala usaha dan kineija keuangan

ita

s

(Damodaran, 2012).

rs

Agak berbeda dengan sampel wilayah IDX, pada sampel wilayah SGX

ve

diperoleh rata-rata sebesar 1,74 kali dengan nilai minimum sebesar 0,49 dan nilai

ni

maksimum sebesar 3,61 kali dimana standar deviasinya adalah 0,92. Perusahaan

U

yang memiliki PBV tertinggi dihasilkan oleh PT. Wilmar International, Ltd sebesar 3,61 kali yang teijadi pada tahun 2010 sementara PBV terendah dihasilkan oleh Golden Agri Resources, Ltd sebesar 0,49 kali pada tahun 2008. Gambaran perbandingan PBV antara wilayah IDX dan SGX pada Tabel 4.3 menjelaskan bahwa, terdapat perbedaan rata-rata PBV wilayah IDX dengan PBV wilayah SGX (rata-rata PBV IDX 2,33 kali dan PBV SGX 1,74 kali). PBV memiliki dua indikator yang dijadikan rujukan, pertama harga saham dan kedua nilai buku pada suatu perusahaan. Apabila diasumsikan rata-rata di pasar PBV


16/41963.pdf

71

industri perkebunan tahun 2013 di wilayah IDX sebesar 2,33 kali, maka apabila PBV tersebut dijadikan rujukan untuk menentukan nilai ekuitas suatu perusahaan perkebunan lainnya, maka akan diperoleh indikasi nilai pasamya sebesar 2,33 kali dari nilai buku ekuitas perusahaan bersangkutan. Sebagai contoh hila LSIP pada tahun 2013 didapat nilai bukunya sebesar Rp. 4.931.528.000.000,- (lampiran I) maka indikasi nilai pasar ekuitas LSIP adalah Rp. 11.495.254.000.000,- (PBV rata-rata pasar dikali nilai buku).

ka

Seperti yang telah diuraikan pada bah sebelurnnya, bahwa pengukuran

rb u

nilai aset tanaman yang berbasis kepada standar akuntansi keuangan intemasional (!FRS) telah digunakan Nilai Wajar (berbasis kepada pasar). Sehingga selisih

Te

manfaat ekonomi yang diperoleh dari setiap kenaikan Nilai Wajar (hila ada) atas

s

aset tanaman, secara langsung akan dicatatkan pada pos Laba Rugi (setelah

ita

dikurangi biaya penjualan dan pajak) sebagai pendapatan lain-lain. Adanya

rs

kenaikan !aha diakibatkan adanya kontribusi dari selisih penilaian kembali

ni

ve

tersebut tentu akan dapat memberi peningkatan terhadap nilai buku ekuitas.

U

Perusahaaan-perusahaan perkebunan yang tercatat di SGX selama ini telah menggunakan SAK yang berbasis intemasional (lAS atau !FRS).

Pada

posisi yang sama kewajiban menggunakan SAK pada perusahaan-perusahaan perkebunan di IDX masih merujuk kepada SAK lokal dimana pengukuran nilai aset tanamannya masing menggunakan model biaya (nilai historis) atau nilai buku. Dengan demikian adanya perbedaan rata-rata tersebut menjadi sesuatu yang dapat diterima, namun untuk melengkapi alasan tersebut pada bagian akhir bah ini akan dijelaskan.


16/41963.pdf

72

•

Return on Biological Assets (ROBA)

Return on Biological Assets (ROBA) merupakan tingkat imbal hasil yang diperoleh dari perbandingan laba bersih terhadap nilai aset tanaman pada suatu perusahaan perkebunan. Gambaran ROBA untuk sarnpel wilayah lOX rata-rata

• sebesar 44% dengan nilai minimum sebesar -8% dan nilai maksimum sebesar 155% sedangkan besarnya standar deviasinya adalah 0,35.

Untuk perusahaan

ka

yang memiliki ROBA tertinggi tercatat PT. SMART, Tbk dengan ROBA sebesar

Tbk diperoleh sebesar -8% pada tahun 2013.

rb u

155% pada tahun 2012, dan yang terendah terdapat pada PT. Gozco Plantation,

Te

ROBA untuk sarnpel wilayah SGX rata-rata sebesar 29,36% dengan nilai minimum sebesar -8% dan nilai maksimum sebesar 147%, sedangkan besar

ita

s

standar deviasinya adalah 0,38. Perusahaan yang memiliki ROBA tinggi adalah

rs

Wilmar International, Ltd sebesar 147% pada tahun 2011, dan ROBA terkecil

ve

diperoleh First Resources, Ltd sebesar -8% pada tahun 2013.

ni

Memperhatikan Tabel4.3. terkait perbandingan garnbaran rata-rata ROBA

U

yang ada pada sarnpel wilayah IDX dengan wilayah SGX, secara umum rata-rata ROBA pada wilayah IDX (44%) didapat lebih tinggi dibanding wilayah SGX (29,36%).

Dilihat kecenderungannya, ROBA terendah dari masing-masing

perusabaan diperoleh pada tahun 20 13 yang mana kecenderungan ini dapat diindikasikan dari adanya penurunan nilai ROBA pada tiga tahun terakhir (Gambar 4.1) yang bisa disebabkan karena laba perusahaan turun.


16/41963.pdf

73

Gam bar 4.1. Perbandingan Rata-Rata Tahunan ROBA IDX dan SGX 60% - - - - - - - - - - - - - - - - - - - - - - - - - - -

50% -

40% -

;l

0 30% -

"' 20%

-

10% -

2008

2009

2010

2011

2012

2013

Return on Equity (ROE)

rb u

•

ka

IDX •SGX

Te

Return on Equity (ROE) untuk sampel Wilayah IDX rata-rata sebesar 19%

s

dengan nilai minimum sebesar -6% dan nilai maksimum sebesar 51% serta

ita

besamya standar deviasi adalah 0,096. Perusahaan yang memiliki ROE tinggi

rs

adalah PT. Astra Agro Lestari, Tbk sebesar 51% pada tahtm 2008, dan ROE

ve

terkecil perusahaan PT. Gozco Plantation, Tbk pada tahun 2013 sebesar -6%.

U

ni

Return on Equity (ROE) untuk sampel wilayah SGX rata-rata sebesar 11,86% dengan nilai minimum sebesar -6% dan nilai maksimum sebesar 30,00% serta besamya standar deviasi adalah 0,08. Perusahaan yang merniliki ROE tinggi adalah Bumitama, Ltd sebesar 45% pada tahun 2011, dan ROE terkecil diperoleh First Resources, Ltd sebesar -6% pada tahun 2013.

•

Net Profit Margin (NPM)

Net Profit Margin (NPM) untuk sampel Wilayah IDX rata-rata sebesar 18,07% dengan nilai minimum sebesar -22% dan nilai maksimum sebesar 50%


•

16/41963.pdf

74

serta besamya stan dar deviasi adalah 0,13. Perusahaan yang memiliki NPM tertinggi dari jumlah sampel yang ada, adalah PT. Gozco Plantation sebesar 50% pada tahun 2009 sedangkan yang terendah juga terdapat pada perusahaan yang sama sebesar -22%% pada tahun 2013.

Sedangkan NPM untuk sampel Wilayah SGX rata-rata sebesar 18,25% dengan nilai minimum sebesar -II% dan nilai maksimum sebesar 54% serta

ka

besamya standar deviasi adalah 0,25. Perusahaan yang memiliki NPM tertinggi

rb u

dari jumlah sampel adalah PT. First Resources, Ltd sebesar 54% pada tahun 2010, Untuk NPM yang terkecil didapat pada perusahaan yang sama sebesar -11%

Te

pada tahun 2013.

klasik merupakan penguJlan dalam pemenuhan

rs

Pengujian asumsi

ita

s

C. Uji Asumsi Klasik

ve

persamaan yang bersifat BLUE (Best Linear Unbiased Estimator) me1iputi

Uji Multikolinearitas

U

C.l.

ni

pengukuran multiko1inearitas, heteroskedastisitas dan autokorelasi.

Pengujian terhadap adanya potensi multikolinearitas berfungsi untuk melihat apakah adanya hubungan yang kuat antara variabel independen di dalam regresi berganda. Pendeteksian dapat dilakukan secara matriks diantara variabel independen dengan melihat apakah tingkat determinasi R 2 ditemukan rata-rata lebih tinggi

atau lebih besar dari 0,8 diduga akan adanya multikolinearitas

(Gujarati, 2008).


• 16/41963.pdf

75

C.l.l Analisis untuk wilayah IDX:

Pendeteksian adanya multikolineritas pada variabel ROBA, ROE dan NPM pada wilayah IDX diperoleh : Tabel 4.4 Analisis Multikolinieritas Menggunakan R2 Wilayah IDX

ka

ROE NPM ROBA ROBA 0.623 0.015 1.000 ROE 0.623 1.000 0.455 NPM 0.455 1.000 0.015 Sumber: Hasil Analisa Evtews 8 untuk wilayah IDX, 2014

rb u

Hasil yang diperoleh bahwa rata-rata tertinggi koefisien R 2 didapat 0,623

Te

pada perpotongan ROE dan ROBA, sehingga dapat disimpulkan persarnaan regrest yang akan digunakan tidak mengandung potensi multikolinieritas

ita

s

(0,623<0,80).

Pengujian lain terhadap multikolinearitas dapat juga dilihat dari nilai

ve

rs

tolerance dan lawannya Variance Inflation Factor (VIF). Kedua ukuran ini menunjukkan setiap variabel behas manakah yang dijelaskan oleh variahel hebas

U

ni

lainnya. Pada pengertian sederhana setiap variahel hehas menjadi variahel terikat dan di regres terhadap variahel hehas lainnya hal ini dapat disehut dengan

R/

yang diperoleh dari regresi auxiliary antara variahel independen dengan variahel independen sisanya (k-1 ). Sehingga hila R/ mendekati satu atau dengan kata lain ada kolinieritas antar variabel independen maka VIF akan naik dan mendekati tak terhingga jika nilai

R/ =

I (Widarjono, 2013). Lebih lanjut Widarjono (2013)

menyatakan hila nilai VIF melehihi angka I 0 maka dapat dikatakan akan ada multikolinieritas.


• 16/41963.pdf

76

Dasar pengujian yang digunakan: Jika VIF < 10 atau TOL >0,1; maka H 0 diterima, tidak ada multikolinieritas

Jika VIF> I 0 atau TOL
Hasil yang diperoleh adalah sebagai berikut :

Variable

c

0.23 0.72 12.69 3.83

Uncentered VIF

Centered VIF

rb u

Coefficient Variance

ka

Tabel 4.5. Analisis Multikolinieritas Menggunakan VIF Wilayah IDX

6.87 6.91 16.89 5.60

NA

ita

s

Te

2.57 ROE 2.86 NPM 1.50 Sumber: Hasll Anahsa Eviews 8 untuk w1layah IDX, 2014 ROBA

rs

Hasil analisis yang diperoleh menunjukan masing-masing variabel ROBA,

ve

ROE dan NPM mendapatkan angka VIF sebesar 2,57, 2,86 dan I ,50 yang berarti

ni

secara keseluruhan
U

pengertian tidak ditemukan ada multikolieritas terhadap variabel independen pada wilayah penelitian IDX. Kesimpulan ini konsisten dengan pendeteksian sebelumnya menggunakan determinasi koefisien R 2 .

C.1.2 Analisis Untuk Wilayah SGX: Hasil pendeteksian pada variabel ROBA, ROE dan NPM pada wilayah IDX diperoleh :


16/41963.pdf

77

Tabel 4.6. Analisis Multikolinieritas Menggunakan R2 Wilayah SGX ROE Variabel NPM ROBA 0.192129 -0.113804 ROBA I 0.83842 ROE 0.192129 1 NPM 0.83842 1 -0.113804 Sumber: Hasil Analisa Eviews 8 untuk wilayah SGX, 2014 Hasil yang diperoleh bahwa rata-rata tertinggi koefisien R1 didapat 0,83 8 pada perpotongan NPM dan ROE, sehingga dapat disimpu1kan persamaan regresi

ka

yang akan digunakan tidak mengandung potensi multiko1inieritas (0,83 8>0,80).

rb u

Namun pengujian dengan menggunakan ni1ai tolerance dan 1awannya

Te

Variance Inflation Factor (VIF) untuk wi1ayah SGX diperoleh sebagai berikut :

Tabe1 4. 7 Analisis Multikolinieritas Menggunakan VIF

s

Wi1ayah SGX

U

ni

ve

rs

ita

Coefficient Uncentered Centered VIF Variance VIF c 3.13 NA 0.07 2.19 0.34 ROBA 3.50 7.65 22.71 ROE 23.80 7.11 NPM 5.50 15.35 Sumber: Hasil Analisa Eviews 8 untuk wilayah SGX, 2014 Variable

Hasil analisis yang diperoleh menunjukan masing-masing variabel ROBA,

ROE dan NPM mendapatkan angka VIF sebesar 2,19, 7,65 dan 7,11 yang berarti secara keseluruhan

16/41963.pdf

78

C.2

Uji Autokorelasi

Uji autokorelasi hertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (periode sehelumnya).

Pendeteksian adanya

autokorelasi akan dilakukan dengan menggunakan uji Durbin Watson (DW).

Permasalahan autokorelasi hanya rei evan digunakan jika data yang dipakai

ka

adalah data time series, sedangkan untuk data cross section tidak perlu dilakukan.

rb u

Pada uraian teori juga telah disehutkan hahwa dalam analisis regresi model yang digunakan adalah model regresi data panel (yang menggahungkan data time series

Te

dan cross section), sehingga· pada pengujian DW akan dilihat hersamaan dengan

ita

s

proses anal isis regresi data panel pada hagian lehih lanjut.

rs

Kriteria pengujian untuk mendeteksi autokorelasi yang dipakai adalah Uji Dengan

ve

Durbin-Watson (DW) sehagaimana telah diuraikan pada Bah-3.

ni

demikian, hila pada analisa regresi dimana hila jurnlah ohjek sehesar n=42 dengan

U

jurnlah variahel k=3 maka hesaran dl=1,338 dan du=1,659 menurut tabel DW akan mendapatkan posisi tidak ada autokorelasi positiflnegatif berada pada du < d

< 4-dl atau terletak pada kisaran 1,659 (du) hingga 2,662 (4-dl). Hasil yang diperoleh dapat dilihat pada hasil regresi data panel yang diuraikan pada bagian berikut dari bah ini (lihat pada sub bah D) C.3

Uji Heteroskedastisitas

Pengujian terhadap heteroskedastisitas dapat menggunakan beberapa metode, diantaranya metode informal dengan mendeteksi pola residual melalui


16/41963.pdf

79

grafik. Jika residual mempunyai varian yang sama (homoskedasitas) maka pola yang terbentuk tidak ada yang pasti. Kebalikannya, jika residual menunjukan pola yang sama maka akan ditemukan sifat heteroskedastisitas (Widarjono, 2013). Metode lain yang dapat digunakan adalah dengan metode White. C.3.1 Analisis Untuk Wilayah IDX: Hasil pengujian heteroskedastisitas dengan metode grafik terhadap variabel dependen PBV dengan residu untuk wilayah lOX yang dibantu dengan

ka

menggunakan Eviews 8 dapat dilihat sebagai berikut :

rb u

Gambar 4.2 Grafik Scatter Plot (Hasil Pengujian Heterokedastisitas)

Te

3

2

0

0

0

0

0

ita

Vi

w

"'

0

rs

0

0

ve

0

0

..

0 0

0

'!. 0

0

0

00

0

0.0 0

0

·1

0 0 0

0

0

0

0 0

-2

0

1

U

ni

0

s

1 0

0

2

3

4

5

6

PBV

Hasil yang diperoleh dari pengujian di atas menunjukan; (I) Titik-titik data menyebar di atas dan di bawah atau di sekitar angka no!. (2) Titik-titik data tidak mengumpul hanya di atas atau di bawah saja. (3) Penyebaran titik-titik data tidak membentuk suatu pola. Sehingga kesimpulan yang dapat diberikan tidak dijumpai adanya heteroskedastisitas.


16/41963.pdf

80

Metode pengujian yang lain dapat digunakan adalah metode White dimana hipotesis Heteroskedastisitas yang dipakai : • •

Ho : tidak ada Heteroskedastisitas (>0,05) Ha : ada Heteroskedastisitas (<0,05)

Dasar pengambilan keputusan, jika nilai probabilitas dari Obs*R square < 0,05, maka H 0 ditolak; jika nilai probabilitas dari Obs*R square > 0,05, maka H0 diterima. Hasil yang diperoleh adalah :

rb u

Wilayah IDX

ka

Tabe\4.8. Analisis Heteroskedasitas Menggunakan Uji White

s

Te

F-statistic 0.797445 Prob. F(9,30) 0.6214 Obs*R-squared Prob. Chi-Square(9) 0.5624 7.721982 Scaled explained SS Prob. Chi-Square(9) 0.6789 6.597793 Surnber: Has1l Anahsa Ev1ews 8 untuk WJlayah IDX, 2014

ita

Hasil uji heteroskedasitas pada metode White di atas menghasilkan nilai

rs

probabilitas dari Obs*R square sebesar 0,5624 >0,05 sehingga dapat disimpulkan

ve

menerima hipotesis Ho dengan kesimpulan tidak ada masalah Heteroskedastisitas.

ni

C.3.2 Analsis Untuk Wilayah SGX:

U

Hasil pengujian heteroskedastisitas dengan metode grafik terhadap

variabel dependen PBV dengan residu untuk wilayah SOX yang dibantu dengan menggunakan Eviews 8 dapat dilihat sebagai berikut :


16/41963.pdf

81

Gambar 4.3 Grafik Scatter Plot (Hasil Pengujian Heterokedastisitas) Wilayah SGX 4.0 0

3.5

0 0

0

0

0

2.5

iiin.

0

0

3.0

0

O'o

2.0

0

oo

1.5

oO

0

8

0

0 0

0

1.0

oo 0

0.5

ka

oD~go 0

0

-1

-2

rb u

0.0

1

0

2

3

Hasil

yang

diperoleh

dari

Te

RESID

pengujlan

berdasarkan

Garnbar

4.4.

ita

s

menunjukan; (!) Titik-titik data menyebar di atas dan di bawah atau di sekitar angka no!. (2) Titik-titik data tidak mengumpul hanya di atas atau di bawah saja.

ve

rs

(3) Penyebaran titik-titik data tidak membentuk suatu pola. Sehingga kesimpulan

ni

yang dapat diberikan tidak dijumpai adanya heteroskedastisitas.

U

Metode pengujian dengan menggunakan metode White pada sarnpel di wilayah SGX diperoleh hasil:

Tabel 4.9. Analisis Heteroskedasitas Menggunakan Uji White Wilayah SGX F-statistic 0.7142 Prob. FS9,30) Obs*R-squared Prob. Chi-Square(9) 7.1360 Scaled explained SS 4.4034 Prob. Chi-Square(9) Sumber: Hasil Analisa Eviews 8 untuk wilayah SGX, 2014


0.6912 0.6230 0.8829

16/41963.pdf

82

Hasil uji heteroskedasitas pada metode White di atas menghasilkan nilai probabilitas dari Obs*R square sebesar 0,6230 >0,05 sehingga dapat disimpulkan menerima hipotesis Ho dengan kesimpulan tidak ada masalah Heteroskedastisitas.

D. Analisis Model Regresi Menggunakan Data Panel

Teknik regresi dengan menggunakan data panel yang mengkombinasikan data times series dan cross section memiliki 3 (tiga) alternatip pendekatan dalam

ka

pengolahannya. Pendekatan yang dikenal dalam permodelan regresi data panel

rb u

meliputi (1) Common Effect Method (CEM), (2) Fixed Effect Method (FEM) dan Random Effect Method (REM). Pemilihan terhadap satu dari ketiga model terse but

Chow atas FEM terhadap CEM dengan

s

juga pengujian menggunakan uji

Te

ditentukan oleh hasil masing-masing model. Pada sisi lain dapat juga dibkukan

ita

menggunakan uji signifikansifixed effect, dan pemilihan dengan uji Hausman atas

rs

REM terhadap FEM

ve

Penggabungan data time series dan cross section dengan tanpa melihat

ni

perbedaan antar waktu dan individu dalam analisis model regresi data panel dapat

U

menggunakan metode Common Effect (CEM) dimana asumsi yang digunakan pada intersep maupun slope sama antar waktu dan antar perusahaan. Hasil yang diperoleh dengan menggunakan CEM adalah sebagai berikut :


16/41963.pdf

83

D.l

Estimasi Data Panel Untuk Wilayah IDX Tabel 4.10 Anal isis Regresi Metode CEM Wilayah IDX

t-Statistic 2.669073 -0.158673 1.777612 0.404847

Pro b. 0.0112 0.8748 0.0837 0.6879

ka

Dependent Variable: PBV Method: Pooled Least Squares Sample: 2008 2013 Included observations: 6 Cross-sections included: 7 Total pool (unbalanced) observations· 41 Variable Std. Error Coefficient 0.407955 c 1.088862 0.831483 ROBA -0.131934 3.504488 ROE 6.229619 1.797239 NPM 0.727607

2.330972 1.269013 3.211042 3.37822 3.271919 1.190649

s

Te

rb u

R-squared 0.239472 Mean dependent var S.D. dependent var Adjusted R-squared 0.177808 Akaike info criterion S.E. of regression 1.150675 Sum squared resid 48.98996 Schwarz criterion Log likelihood -61.82637 Hannan-Quinn criter. F-statistic 3.883476 Durbin-Watson stat Prob(F-statistic) 0.016475 I Sumber: Hast! Analtsa Evrews 8 untuk wrlayah IDX, 2014

ita

Tabel 4.10 menunjukan hasil determinan regresi adjusted R2 sebesar 0,17

rs

yang memberikan sinyal terhadap gabungan variabel independen berpengaruh

ve

langsung kepada variabel dependen sebesar 17% dengan test probabilitas (Fdan uji Durbin-Watson (DW) = 1,2.

Meskipun pengaruh

ni

statistic) = 0,016

U

variabel dependen relatif berpengaruh terhadap variabel dependen namun dengan hasil DW menunjukan 1,19 yang belum masuk dalam kisaran 1,659 (du) hingga 2,662 (4-dl) maka diduga regresi CEM berpotensi mengandung autokorelasi. Seperti diketahui bahwa metode CEM mengandung kesederhanaan karena asumsi yang digunakan intercept dan slope dianggap konstan. Sehingga pada pendekatan regresi data panel yang mengukur adanya data cross section dari sejumlah perusahaan dengan

ukuran perusahaan yang berbeda-beda kurang

memberikan basil yang maksimal. Untuk mengatasi hal tersebut maka metode


16/41963.pdf

84

fixed effect atau random effect menjadi altematif yang dapat digunakan (Nachrowi

dan Usman, 2006). Berikut ini dapat dilihat hasil pengukuran dengan menggunakan masingmasing pendekatan FEM dan RE.

Tabel4.ll. Analisis Regresi Metode FEM Wilayah IDX

ka

Dependent Variable: PBV Method: Pooled Least Squares Sample: 2008 2013 Included observations: 6

Prob.

0 0.9832 0.7076 0.245

U

ni

ve

rs

ita

s

Te

rb u

Cross-sections included: 7 Total pool (unbalanced) observations· 41 Variable Coefficient Std. Error t-Statistic c 2.158016 0.338404 6.377043 ROBA -0.0214 1.006432 -0.021263 ROE -1.463488 -0.378534 3.866201 NPM 2.53095 2.135703 t.l85067 Fixed Effects (Cross) AALI--C 1.951071 BWP1C-C 0.613633 LS1P--C -0.18363 SGRO--C -0.1823 53 TBLK--C -0.605196 SMAR--C 0.200214 GZCO--C -1.691466 Effects Specification Cross-section fixed (dummy variables) I R-squared 0.685159 Mean dependent var Adjusted R-squared S.D. dependent var 0.593754 S.E. of regression 0.808836 Akaike info criterion Sum squared resid 20.2807 Schwarz criterion Log likelihood -43.74648 Hannan-Quinn criter. F-statistic Durbin-Watson stat 7.495833 Prob(F -statistic) 0.00001 Sumber: Hasli Anahsa Evtews 8 untuk wliayab 1DX, 2014

2.330972 1.269013 2.621779 3.039724 2.773972 1.853852

Melihat Tabel 4.11 dengan menggunakan model FEM hasil determinan regresi adjusted R2 diperoleh sebesar 0,68 yang menunjukan adanya perbaikan terhaap R2 dibanding basil menggunakan CEM. Test probabilitas (F-statistic) diperoleh mendekati 0 dengan DW = I ,85 yang menunjukan basil yang signfikan lebih baik dari model CEM dengan perolehan indikator DW tersebut telah berada


16/41963.pdf

85

pad a kisaran I ,659 (du) hingga 2,662 (4-dl) maka regresi FEM tidak mengandung autokorelasi. Namun untuk melengkapi analisis lebih lanjut analisis berikut mt akan dicoba dilihat hasil pengujian menggunan REM : Tabel4.12. Analisis Regresi Metode REM Wilayah IDX Dependent Variable: PBV Method: Pooled EGLS (Cross-section random effects) Sample: 2008 2013 Included observations: 6

t-Statistic 4.492126 -0.088884 1.440118 0.53863

Pro b. 0.000 I 0.9297 0.1582 0.5934

ve

rs

ita

s

Te

rb u

Total pool (unbalanced) observations: 41 Swamy and Arora estimator of component variances Variable Std. Error Coefficient c 1.451159 0.323045 ROBA ·0.061368 0.690426 ROE 4.111851 2.855217 NPM 0.795406 I .476721 Random Effects (Cross) AALI--C 0.619804 BWPT--C 0.338953 LSIP--C -0.031326 SGRO--C -0.07818 TBLK--C -0.318656 SMAR--C -0.044071 GZCO--C -0.486524 Effects Specification

ka

Cross-sections included: 7

ni

Cross-section random

S.D.

Rho 0.292966 0.808836

0.116 0.884

U

Idiosyncratic random Weighted Statistics R-squared 0.148981 Mean dependent var Adjusted R-squared 0 07998 S.D. dependent var S.E. of regression 1.025506 Sum squared resid F-statistic 2.159104 Durbin-Watson stat Prob(F -statistic) 0.109319 I Unweighted Statistics R-squared I 0.218738 Mean dependent var Sum squared resid I 50.325561 Durbin-Watson stat Sumber: Hast! Anahsa Evtews 8 untuk wtlayah IDX, 2014

1.755106 1.074938 38.91149 1.267497

I I

2.330972 0.980022

Pada Tabel 4.12 telah dilakukan pengujian dengan menggunakan model REM dan hasilnya telah memberikan hasil yang kurang memuaskan dibanding


16/41963.pdf

86

model FEM. Hasil yang diperoleh untuk determinan regresi R 2 sebesar 0,14 dan

adjusted R2 hanya sebesar 0,07, Test probabilitas (F-statistic) diperoleh tidak signifikan 0,10 (>0,05) serta DW menunjukan 1,26 yang belum mendekati kisaran 1,659 (du) hingga 2,662 (4-dl) maka diduga regresi REM berpotensi mengandung autokorelasi. D.2

Estimasi Data Panel Untuk Wilayah SGX

ka

Penggabungan data time series dan cross section dengan tanpa melihat

rb u

perbedaan antar waktu dan individu dalam analisis model regresi data panel dapat menggunakan metode Common Effect (CEM) dimana asumsi yang digunakan

Te

pada intersep maupun slope sama antar waktu dan antar perusahaan. Hasil yang

s

diperoleh dengan menggunakan CEM adalah sebagai berikut :

ita

Tabel4.13. Analisis Regresi Metode CEM Wilayah SGX

U

ni

ve

rs

Dependent Variable: PBV Method: Pooled Least Squares Sample: 2008 2013 Included observations: 6 Cross-sections included: 7 Total pool (unbalanced) observations· 36 Variable Coefficient Std. Error 0.263617 c 1.348587 ROBA 0.907634 0.584526 -0.062053 4.924796 ROE 2.389108 NPM 0.711877

t-Statistic 5.115703 1.552768 -0.0126 0.297968

R-squared 0.144767 Mean dependent var S.D. dependent var Adjusted R-squared 0.064589 S.E. of regression 0.895421 Akaike info criterion Sum squared resid Schwarz criterion 25.6569 Log likelihood -44.98507 Hannan-Quinn criter. F-statistic Durbin-Watson stat 1.80557 Prob(F -statistic) 0.166005 Sumber: Has1l Anal!sa Ev1ews 8 untuk w1layah SGX, 2014


Pro b. 0 0.1303 0.99 0.7677 1.737083 0.925818 2.721393 2.897339 2.782803 0.652144

16/41963.pdf

87

Tabel 4.13 menunjukan hasil determinan regresi adjusted R 2 sebesar 0,064 yang memberikan sinyal terhadap gabungan variabel independen berpengaruh langsung kepada variabel dependen hanya sebesar 6% dengan test probabilitas (Fstatistic) = 0,16 (> 0,05) dan OW= 0,65. Meskipun pengaruh variabel dependen

relatif berpengaruh terhadap variabel dependen namun dengan hasil OW menunjukan 0,65 yang belum mendekati kisaran Gumlah sarnpel 36) sebesar 1,654 (du) hingga 2,764 (4-dl) maka diduga regresi CEM berpotensi mengandung

ka

autokorelasi.

rb u

Seperti diketahui bahwa metode CEM mengandung kesederhanaan karena asumsi yang digunakan intercept dan slope dianggap konstan. Sehingga pada

ukuran perusahaan yang berbeda-beda kurang

s

sejurnlah perusahaan dengan

Te

pendekatan regresi data panel yang mengukur adanya data cross section dari

ita

memberikan hasil yang maksimal. Untuk mengatasi hal tersebut maka metode

ve

dan Usman, 2006).

rs

fixed effect atau random effect menjadi alternatifyang dapat digunakan (Nachrowi

ni

Berikut ini dapat dilihat hasil pengukuran dengan menggunakan masing-

U

masing FEM dan REM.


16/41963.pdf

88

Pro b. 0 0.0019 0.0482 0.1832

1.737083 0.925818 1.887409 2.327275 2.040934 1.957229

ni

ve

rs

ita

s

Te

rb u

ka

Dependent Variable: PBV Method: Pooled Least Squares Sample: 2008 2013 Included observations: 6 Cross-sections included: 7 Total pool (unbalanced) observations· 36 Variable Coefficient Std. Error !-Statistic 0.207549 6.489338 c 1.346857 ROBA 0.831348 2.874047 3.45709 ROE -2.073268 -7.741492 3.733957 NPM 2.53572 1.854398 1.367409 Random Effects (Cross) FRL--C 1.043347 GPR--C -0.539439 GAR--C -0.310691 -0.41096 !AR--C KAL--C 0.643598 WIL--C -1.340809 BGA--C 2.205419 Effects Specification Cross-section fixed (dummy variables) R-squared 0.733851 Mean dependent var S.D. dependent var Adjusted R-squared 0.641722 S.E. of regression Akaike info criterion 0.554161 Schwarz criterion Sum squared resid 7.984444 -23.97336 Harman-Quinn criter. Log likelihood Durbin-Watson stat F-statistic 7.965512 Prob(F -statistic) 0.000015 Sumber : Hast! Anahsa Evtews 8 untuk wtlayah SGX, 2014

U

Tabel4.14. Analisis Regresi Metode FEM Wilayah SGX


16/41963.pdf

89

Tabe\4.15. Analisis Regresi Metode REM Wilayah SGX

U

ni

ve

rs

ita

s

Te

rb u

ka

Dependent Variable: PBV Method: Pooled EGLS (Cross-section random effects) Sample: 2008 2013 Included observations: 6 Cross-sections included: 7 Total pool (unbalanced) observations: 36 Swamy and Arora estimator of component variances Pro b. Variable Coefficient Std. Error !-Statistic ' 0.0001' 0.351806 c 4.432598 1.559416 0.0052. 2.996884 ROBA 0.662303 1.984845 0.1198 ROE 3.623669 -1.598202 -5.791356 0.2207: 1.797039 1.249111 NPM 2.244701 Random Effects (Cross) FRL--C 0.709667 GPR--C -0.671153 GAR--C -0.555867 !AR--C -0.558808 KAL--C 0.340348 WIL--C -0.764153 BGA--C 1.499966 Effects Specification Rho S.D. I 0.6658! 0.782236 Cross-section random 0.554161 0.3342' Idiosyncratic randOffil i Weighted Statistics 0.520132! Mean dependent var R-squared 0.202837 0.647221' dependent var S.D. Adjusted R-squared 0.128103 11.02406 i 0.586943 Sum squared resid S.E. of regression 1.334831 I Durbin-Watson stat F-statistic 2.714125 i Prob(F -statistic) 0.061156 Unweighted Statistics R-squared I -0.0181541 Mean dependent var I 1.737083 Sum squared resid I 30.544511 Durbin-Watson stat I 0.481764 Sumber : Hast! Anahsa Evtews 8 untuk wtlayah SGX, 2014

Pada Tabel 4.15 telah dilakukan pengujian dengan menggunakan model

REM dan hasilnya telah memberikan hasil yang kurang memuaskan dibanding model FEM dengan peroleh determinan regresi R2 sebesar 0,20 dan adjusted

k

hanya sebesar 0,13, Test probabilitas (F-statistic) diperoleh 0,061 (> 0,05) serta DW menunjukan 1,33 yang belum mendekati kisaran 1,654 (du) hingga 2,764 (4dl) maka diduga regresi REM berpotensi mengandung autokorelasi.


16/41963.pdf

90

Dependent Variable: PBV Method: Pooled EGLS (Cross-section random effects) Sample: 2008 2013 Included observations: 6 Cross-sections included: 7

Total pool (unbalanced) observations: 36 Swamy and Arora estimator of component variances

Coefficient Std. Error 0.351806 1.559416 ROBA 0.662303 1.984845 ROE -5.791356 3.623669 NPM 2.244701 1.797039 Random Effects (Cross) FRL--C 0.709667 GPR--C -0.671153 -0.555867 GAR--C !AR--C -0.558808 0.340348 KAL--C WIL--C -0.764153 BGA--C 1.499966

Pro b. 0.0001 0.0052 0.1198 0.2207

t-Statistic 4.432598 2.996884 -1.598202 1.249111

rb u

ka

Variable

c

Te

Effects Specification Cross-section random

Idiosyncratic randomi

Rho S.D. 0.6658 0.782236 0.3342 0.554161

Weighted Statistics

0.520132 0.647221 11.02406 1.334831

ita

s

0.202837 Mean dependent var 0.128103 S.D. dependent var Sum squared resid S.E. of regression 0.586943 F~statistic 2.714125 Durbin-Watson stat 0.061156 Prob(F -statistic) Unweighted Statistics Mean dependent var R-squared -0.0181541 I Sum squared resid I 30.54451 1 Durbin-Watson stat Sumber: Has1l Anahsa Ev1ews 8 untuk Wllayah SGX, 2014

I

I

1.737083 0.481764

ni

ve

rs

R-squared Adjusted R-squared

U

Pada Tabel 4.15 te1ah dilakukan pengujian dengan menggunakan model REM dan hasilnya telah memberikan hasil yang kurang memuaskan dibanding model FEM dengan peroleh determinan regresi R2 sebesar 0,20 dan adjusted R2 hanya sebesar 0,13, Test probabilitas (F-statistic) diperoleh 0,061 (> 0,05) serta OW menunjukan 1,33 yang belum mendekati kisaran 1,654 (du) hingga 2,764 (4dl) maka diduga regresi REM berpotensi mengandung autokorelasi.


16/41963.pdf

91

Tabel 4.17. Uji Random Effects - Hausman Test Wilayah IDX Chi-Sq. Statistic Chi-Sq. d.f. Pro b. Test Summary 25.401312 0 3 Cross-section random Sumber: Hasil Analisa Eviews 8 untuk wilayah IDX, 2014

Pengujian kedua dengan menggunakan uji Hausman seperti terlihat pada Tabel 4.17 untuk memilih antara model REM dan FEM, maka dipcroleh nilai Chi square sebesar 25,4. Sementara nilai kritis Chi square pada a=0,05 dan df = 3

ka

diperoleh sebesar 7,81 yang artinya 25,4> 7,81. Sementara perolehan pada nilai

rb u

prob-t sebesar 0,0< 0,07. Hasil ini memberikan kesimpulan bahwa hipotesis Ho menjadi ditolak sehingga yang digunakan adalah model fixed effect (FEM).

Te

Untuk selanjutnya dalam menentukan apakah hasil random effect menjadi

s

pilihan pada pengujian regresi maka perlu diuji lebih !anjut apakah model regresi

ita

tersebut sudah lolos uji heteroskedasitas untuk masing-masing pendekatan FEM

rs

dan REM tanpa mengikut serta model CEM lagi.

ve

0.3.2 Analisis untuk wilayah SGX

ni

Hasil yang diperoleh atas pengujian signifikansi fixed effect (Chow) dan

U

uji Hausman adalah sebagai berikut : Tabel4.18. Uji Fixed Effects Test Wilayah SGX

Statistic Pro b. d.f. Effects Test 0 9.591228 (6,26) Cross-section F 0 42.02342 6 Cross-section Chi-square Sumber: Hasil Analisa Eviews 8 untuk wilayah SGX, 2014

Pengujian pada Tabel 4.18 menunjukan besaran Chi-square sebesar 42,02 sementara nilai kritis Chi square pada a=0,05 dan df = 3 diperoleh sebesar 7,81 yang artinya lebih kecil dibanding 42,02 dan hal yang sama juga diperoleh pada


•

16/41963.pdf

92

nilai prob-t sebesar 0,0 < 0,05. Hasil ini memberikan kesimpulan bahwa Ho ditolak sehingga dibandingkan dengan pendekatan CEM maka pendekatan fixed effect (FEM) lebih sesuai untuk digunakan.

Tabel4.19. Uji Random Effects- Hausman Test Wilayah SGX Chi-Sq. d.f. Pro b. Test Summary Chi-Sq. Statistic 6.914577 3 0.0747 Cross-section random Sumber: Hasil Analisa Eviews 8 untuk wilayah SGX, 2014

ka

Pengujian kedua untuk me1ihat ukuran pemilihan antara pendekatan REM

rb u

dan FEM dengan menggunakan uji Hausman. Hasil yang diperoleh, nilai Chisquare sebesar 6,91, sementara nilai kritis Chi-square pada a=0,05 dan df= 3

Te

diperoleh sebesar 6,91 yang artinya 6,91< 7,81. Sementara perolehan pada nilai

s

prob-t sebesar 0,07 > 0,05 sehingga hasil ini memberikan kesimpulan bahwa

ita

hipotesis Ho ditolak, maka model Random effect (REM) lebih cocok digunakan.

rs

Untuk selanjutnya dalam menentukan apakah hasil random e_ffect menjadi

ve

pilihan pada pengujian regresi maka perlu diuji lcbih lanjut apakah model regresi

ni

dengan menggunakan data panel tersebut sudah lolos uji heteroskedasitas untu.lc

lagi. 0.4

U

masing-masing pendekatan FEM dan REM tanpa mengikut serta model CEM

Uji Heteroskedastisitas Pada Regresi Data Panel Regresi data panel sangat sarat kepada gabungan beberapa perusahaan

yang bila dilihat dari Jatar belakangnya tentu memiliki bentuk dan ukuran perusahaan yang berbeda satu sama lainnya, meskipun kegiatan usahanya samasama industri perkebunan. Dengan melihat adanya perbedaan tersebut diduga


•

16/41963.pdf

93

model

regresi

data

panel

yang

akan

digunakan

akan

mengandung

heteroskedastisitas. Uji heteroskedasitas pada regresi data panel dapat diatasi dengan menggunakan metode Generalized Least Square (GLS) dimana metode ini dapat diimplementasikan melalui perlakuan pengkonstanan residual (Nachrowi dan Usman, 2006) dengan menggunakan white diagonal standard errors pada program Eviews. Analisis untuk model ini akan diuraikan lebih lanjut.

ka

0.4.1 Analisis Untuk Wilayab IDX:

rb u

Analisis berikut ini dilakukan untuk melihat model regres1 yang mana

Te

akan digunakan dengan syarat telah terbebas dari adanya heteroskedatisitas dengan memasukan perlakuan White dengan menggunakan Eviews 8. Hasil yang

U

ni

ve

rs

ita

s

diperoleh:


•

16/41963.pdf

94

Tabel 4.20 Analisis Regresi Metode FEM dengan White Test Wilayah IDX

Pro b.

0 0.9661 0.7171 0.1814

U

ni

ve

rs

ita

s

Te

rb u

ka

Dependent Variable: PBV Method: Pooled Least Squares Sample: 2008 20 l3 Included observations: 6 Cross-sections included: 7 Total pool (unbalanced) observations: 41 White cross-section standard errors & covariance (d.. f corrected) Variable Coefficient Std. Error !-Statistic c 2.158016 0.200807 I 0.74672 ROBA -0.0214 0.499077 -0.042879 ROE -1.463488 4.002145 -0.365676 NPM 2.53095 1.851365 1.367073 Fixed Effects (Cross) AALI--C 1.951071 BWPT--C 0.613633 LSIP--C -0.18363 SGRO--C -0.182353 TBLK--C -0.605196 SMAR--C 0.200214 GZCO--C -1.691466 Effects Specification Cross-section fixed (dummy variables) R-squared 0.685159 Mean dependent var Adjusted R-squared 0.593754 S.D. dt:pendent var S.E. of regression 0.808836 Akaike info criterion Sum squared resid 20.2807 Schwarz criterion Log likelihood -43.74648 Hannan-Quinn criter. F -statistic Durbin-Watson stat 7.495833 Prob(F -statistic) 0.00001 Sumber : Hast! Anahsa Evtews 8 untuk wtlayah lOX, 2014


2.330972 1.2690!3 2.621779 3.039724 2.773972 1.853852

•

16/41963.pdf

95

Tabel4.20 Analisis Regresi Metode FEM dengan White Test Wilayah IDX

Pro b. 0 0.9661 0.7171 0.1814

U

ni

ve

rs

ita

s

Te

rb u

ka

Dependent Variable: PBV Method: Pooled Least Squares Sample: 2008 20 l3 Included observations: 6 Cross-sections included: 7 Total pool (unbalanced) observations: 41 White cross-section standard errors & covariance (d .. f corrected) Variable Coefficient Std. Error !-Statistic c 2.158016 0.200807 10.74672 ROBA -0.0214 -0.042879 0.499077 -0.365676 ROE -1.463488 4.002145 NPM 1.367073 2.53095 1.851365 Fixed Effects (Cross) AALI--C 1.951071 BWPT--C 0.613633 LSIP--C -0.18363 SGRO--C -0.182353 TBLK--C -0.605196 SMAR--C 0.200214 -1.691466 GZCO--C Effects Specification Cross-section fixed (dummy variables) R-squared 0.685159 Mean dependent var Adjusted R-squared 0.593754 S.D. dependent var S.E. of regression 0.808836 Akaike info criterion Sum squared resid Schwarz criterion 20.2807 -43.74648 Hannan-Quinn criter. Log likelihood F-statistic Durbin-Watson stat 7.495833 Prob(F -statistic) 0.00001 Sumber: Has1l Anahsa Ev1ews 8 untuk w1layah IDX, 2014


2.330972 1.269013 2.621779 3.039724 2.773972 1.853852

•

16/41963.pdf

96

Tabel4.2l. Analisis Regresi Metode REM dengan White Test Wilayah lOX

U

ni

ve

rs

ita

s

Te

rb u

ka

Dependent Variable: PBV Method: Pooled EGLS (Cross-section random effects) Sample: 2008 2013 Included observations: 6 Cross-sections included: 7 Total pool (unbalanced) observations: 41 Swamy and Arora estimator of component variances f corrected) White cross-section standard errors & covariance (d.. Pro b. Variable Coefficient Std. Error t-Statistic 0 c 1.451159 0.175883 8.250714 -0.122724 -0.061368 0.500046 0.903 ROBA 2.403996 1.710424 0.0956 ROE 4.111851 0.626767 1.269062 0.2123 NPM 0.795406 Random Effects (Cross) AALI--C 0.619804 BWPT--C 0.338953 LSIP--C -0.031326 SGRO--C -0.07818 TBLK--C -0.318656 SMAR--C -0.044071 GZCO--C -0.486524 Effects Specification Rho S.D. 0.116 Cross-section random 0.292966 0.884 0.808836 Idiosyncratic random Weighted Statistics 1.755106 0.148981 Mean dependent var R-squared 1.074938 Adjusted R-squared 0.07998 S.D. dependent var 38.91149 1.025506 Sum squared resid S.E. of regression 1.267497 2.159104 Durbin-Watson stat F-statistic Prob(F -statistic) 0.109319 I Unweighted Statistics Mean dependent var 2.330972 R-squared 0.218738 Sum squared resid 50.325561 Durbin-Watson stat I 0.980022 Sumber. Hast! Anahsa Evtews 8 untuk wt1ayah IDX, 2014

Pada Tabel 4.20

dan 4.21, telah dicoba dilakukan pengujian kembali

analisa regresi data panel untuk pendekatan FEM dan REM dengan menambahkan fungsi White (pembebasan residu dalam mengeliminir adanya heteroskedasitas) pada sistem Eviews. Hasilnya yang diperoleh menunjukan hasil yang mendekati


•

16/41963.pdf

97

Tabel4.23 Analisis Regresi Metode FEM dengan White Test Wilayah SGX

Pro b.

0 0.0002 0.1096 0.263

U

ni

ve

rs

ita

s

Te

rb u

ka

Dependent Variable: PBV Method: Pooled EGLS (Cross-section weights) Sample: 2008 2013 Included observations: 6 Cross-sections included: 7 Total pool (unbalanced) observations: 36 Linear estimation after one-step weighting matrix White cross-section standard errors & covariance (d .. f corrected) Variable Std. Error !-Statistic Coefficient 14.91048 c 1.346857 0.09033 2.874047 0.658177 4.366676 ROBA -1.656946 ROE -7.741492 4.672145 1.144201 NPM 2.53572 2.216149 Fixed Effects (Cross) FRL--C 1.043347 GPR--C -0.539439 GAR--C -0.310691 -0.41096 !AR--C KAL--C 0.643598 -1.340809 WIL--C BGA--C 2.205419 Effects Specification Cross-section fixed (dummy variables) 1 I Weighted Statistics R-squared Mean dependent var 0.73385 I S.D. dependent var Adjusted R-square 0.641722 0.554161 Akaike info criterion S.E. of regression Schwarz criterion Sum squared resid 7.984444 -23.97336 Hannan-Quinn criter. Log likelihood Durbin-Watson stat F-statistic 7.965512 Prob(F -statistic) 0.000015 Sumber : Has II Anahsa Ev1ews 8 untuk Wilayah SGX, 2014


1.737083 0.925818 1.887409 2.327275 2.040934 1.957229

•

16/41963.pdf

98

Tabel4.23 Analisis Regresi Metode FEM dengan White Test Wilayah SGX

Pro b.

0 0.0002 0.1096 0.263

U

ni

ve

rs

ita

s

Te

rb u

ka

Dependent Variable: PBV Method: Pooled EGLS (Cross-section weights) Sample: 2008 2013 Included observations: 6 Cross-sections included: 7 Total pool (unbalanced) observations: 36 Linear estimation after one-step weighting matrix White cross-section standard errors & covariance (d ..f corrected) Variable Std. Error !-Statistic Coefficient 14.91048 c 1.346857 0.09033 ROBA 2.874047 0.658177 4.366676 ROE -7.741492 4.672145 -!.656946 NPM 2.53572 2.216149 1.144201 Fixed Effects (Cross) FRL--C !.043347 GPR--C -0.539439 GAR--C -0.310691 !AR--C -0.41096 KAL--C 0.643598 -!.340809 WIL--C BGA--C 2.205419 Effects Specification Cross-section fixed (dummy variables) I Weighted Statistics R-squared Mean dependent var 0.733851 Adjusted R-square 0.641722 S.D. dependent var S.E. of regression 0.554161 Akaike info criterion Sum squared resid 7.984444 Schwarz criterion Log likelihood -23.97336 Hannan-Quinn criter. F-statistic 7.965512 Durbin-Watson stat Prob(F -statistic) 0.000015 I Sumber: Hast! Anahsa Evtews 8 untuk wtlayah SGX, 2014


1.737083 0.925818 !.887409 2.327275 2.040934 !.957229

•

16/41963.pdf

99

Tabel 4.24 Analisis Regresi Metode REM dengan White Test Wilayah SGX

U

ni

ve

rs

ita

s

Te

rb u

ka

Dependent Variable: PBV Method: Pooled EGLS (Cross-section random effects) Sample: 2008 2013 Included observations: 6 Cross-sections included: 7 Total pool (unbalanced) observations: 36 Swamy and Arora estimator of component variances White cross-section standard errors & covariance (d..f corrected) Variable Coefficient Std. Ermr !-Statistic Pro b. 0.337545 4.619878 0.0001 c 1.559416 0 ROBA 1.984845 0.423516 4.686593 0.1575 ROE -5.791356 4.001464 -1.447309 NPM 2.244701 1.208026 0.2359 1.858156 Random Effects (Cross) 0.709667 FRL--C GPR--C -0.671153 GAR--C -0.555867 !AR--C -0.558808 0.340348 KAL--C WIL--C -0.764153 BGA--C 1.499966 Effects Specification S.D. Rho 0.6658 Cross-section random 0.782236 0.3342 Idiosyncratic random 0.554161 Weighted Statistics 0.520132 0.202837 Mean dependent var R-squared 0.647221 S.D. dependent var Adjusted R-square 0.128103 11.02406 0.586943 Sum squared resid S.E. of regression 1.334831 F-statistic 2.714125 Durbin-Watson stat Prob(F -statistic) 0.061156 I Unweighted Statistics 1.737083 R-squared I -0.0181541 Mean dependent var 0.481764 Sum squared residl 30.54451/ Durbin-Watson stat Sumber: Has11 Anahsa Ev1ews 8 untuk w11ayah SGX, 2014


16/41963.pdf

100

Analisis Pemilihan Model Akhir

D.S

Pemilihan akhir atas model regresi menggunakan data panel setelah dilakukan uji terhadap beberapa kemungkinan model yang ada serta telah dicoba juga dengan melihat apakah ada potensi heteroskedasitas menggunakan metode

white. Pemilihan model akhir menghasilkan dua pilihan terdiri dari model fixed effect (FEM) dan random effect (REM) akan mempertimbangkan hasil determinan R2 dan melihat apakah terdapat potensi autokorelasi melalui uji Durbin Watson

ka

(DW).

rb u

D.S.l Hasil akhir untuk wilayah IDX

Hasil perolehan akhir dari pemilihan analisis yang telah dilakukan dapat

Te

dilihat pada Tabel 4.22 dirnana ringkasan hasil uji akhir dari model-model yang

s

dianalisis dapat memberikan kesimpulan bahwa, model data panel fixed effect

ita

(FEM) memiliki hasil yang lebih memenuhi dari kriteria yang disebutkan

rs

sebelumnya. Bahwa basil ringkasan dari kedua model apakah FEM atau REM di

ve

atas merupakan kesimpulan sementara yang telah dilalui dari beberapa tahapan

ni

pengujian. Hasil yang diperoleh dari kedua model tersebut menunjukan FEM

U

memiliki hasil yang lebih baik, dimana determinan R 2 diperoleh 68,52% dengan

adjusted R2 sebesar 59,37%. Prob (f-statistic) sebesar 0 dan DW sebesar 1,85 (telah memenuhi kisaran 1,659 - 2,662). Sementara hasil pada model REM, determinan R2 diperoleh 14,89% dengan adjusted R2 sebesar 7,99%. Prob (fstatistic) sebesar 0,10 (> 0,05) dan DW sebesar 1,26 (tidak memenuhi di luar 1,659 - 2,662). Dengan demikian persamaan model regresi secara umum untuk wilayah · IDX yang digunakan dalam penelitian ini adalah :


16/41963.pdf

101

PBV idx= 2,1580 + 0,02139*ROBA- 1,4635*ROE + 2,5309*NPM

0.5.2 Hasil akhir untuk wilayah SGX

Penentuan hasil akhir pemilihan model FEM dan REM pada wilayah SGX dilihat dari analisis yang telah dilakukan sebelumnya memberikan hasil yang dapat dilihat dari tiga hal. Pertama, pengujian pemilhan alas model FEM dan REM tanpa pertimbangan white diperoleh REM lebih cocok namun bila dilihat hasil uji Hausman dengan pertimbangan white tidak memberikan hasil.

ka

dari

rb u

Kedua, dengan melihat hasil determinan adjusted R2 dan DW pada model FEM lebih baik ketimbangkan model REM (lihat Tabel 4.25). Ketiga, bila jurnlah

Te

cross section (N) dijumpai lebih besar dari jurnlah waktu pengamatan (T) dapat

s

disarankan REM lebih tepat digunakan (1-
ita

Gujarati, 2012) Pada analisis sampel wilayah SGX memang dijurnpai jurnlah

rs

perusahaan yang diamati (tujuh perusahaan) lebih besar dari waktu pengamatan

ve

(enam tahun). Namun dari sejumlah peruasahaan tersebut, jumla.l-1 data tahunan

ni

dari masing-masing perusahaan yang digunakan kurang tersedia seluruhnya.

U

Artinya dari enam tahun pengamatan, terdapat dua perusahaan tidak sepenuhnya memenuhi enam tahun pengamatan. Kedua perusahaan tersebut adalah GPR yang hanya memenuhi tiga tahun dan BGA hanya memenuhi dua tahun (lihat Lampiran 3).

Dengan demikian, pemilihan model regresi yang akan digunakan dengan ketiga pertimbangan tersebut adalah model FEM sehingga hasil perolehan akhir dari pemilihan analisis yang telah dilakukan dapat dilihat pada Tabel 4.25 dimana matrik ringkasan hasil uji akhir dari model-model yang dianalisis dapat


16/41963.pdf

102

memberikan kesimpulan dengan analisis yang diperoleh dari kedua model tersebut menunjukan FEM (tanpa White) memiliki hasil yang lebih baik, dimana determinan R2 diperoleh 74,38% dengan adjusted R2 sebesar 64,17%. Prob (fstatistic) sebesar 0 dan DW sebesar 1,95 (telah memenuhi kisaran 1,654- 2,764). Sementara hasil pada model REM, determinan R 2 diperoleh 20,28% dengan adjusted R2 sebesar 12,81%. Prob (f-statistic) sebesar 0,06 (> 0,05) dan DW sebesar 1,33 (tidak memenuhi di luar 1,654 - 2,764). Persamaan model regresi

ka

secara umum untuk wilayah SGX yang digunakan da1am penelitian ini adalah :

rb u

PBV sgx = 1,3468 + 2,8741*ROBA- 7,7415*ROE + 2,5357*NPM Hasil Analisis Regresi dan Uji Hipotesis

Te

D.6

Analisis dan pengujian terhadap hipotesis akan dilakukan berdasarkan

ita

s

acuan hipotesa yang telah ditentukan pada Bab 3 berdasarkan masing-masing

rs

wilayah penelitian apakah pada bursa efek IDX (Indonesia) maupun SGX

ve

(Singapore).

Hasil Analisis Regresi dan Uji Hipotesis

ni

D.6.

U

Tabel4.26 Ringkasan Hasil Analisis Regresi Wilayah IDX dan SGX

Variable

ROBA ROE

f

Coefficient. 0.0569 -3.0&26 4.64&4

f

Std. Error [ 0.5033 4.3567 2.6195

t-Statistic IDX

I

0.1130 -0.7076 1.7746 NPM SGX 2.8740 0.&313 3.4571 ROBA ROE -7.7415 3.7340 -2.0733 NPM 2.5357 1.8544 1.3674 Sumber. Hast! Anahsa Evtews 8 untuk wtlayah IDX, 2014


Pro b.

1

Signifikansi

I

Pene-arub

0.910& Tidak siJ;iifikan 0.4&45 Tidak siimifikan 0.0&5& Tidak signifikan

Posrtif Negatif Positif

0.0019 Signifikaa 0.0482 Sienifikan 0.1832 Tidak signiflkan

Positif N..,atif Positif

16/41963.pdf

103

Analisis masing-masing variabel yang dilakukan secara parsial dapat dilihat sebagai berikut :

• Hasil Uji Pengaruh ROBA Terhadap PBV

Pengujian terhadap variabel bebas ROBA terhadap PBV dengan menggunakan hasil regresi pada Tabel 4.26 akan dicoba untuk menjawab

Return on Biological Assets (ROBA) berpengaruh positif

rb u

Hipotesis Hl a :

ka

hipotesis berikut ini :

terhadap Price to Book Value (PBV) pada sampel wilayah

Hipotesis HI b :

Te

IDX

Return on Biological Assets (ROBA) berpengaruh positif

rs

sox

ita

s

terhadap Price to Book Value (PBV) pada sampel wilayah

ve

Uji signifikansi yang dilakukan pada variabel bebas untuk wilayah IDX

ni

dapat dilihat dari nilai p-value !-stat. Dari hasil regresi wilayah IDX didapatkan

U

bahwa dengan tingkat signifikansi 95% (a= 5%) variabel ROBA memiliki nilai P-stat sebesar 0,91. Karena nilai tersebut 0,91> 0.05 maka variabel ini berada pada daerah terima hipotesis Ho dan menolak hipotesis HI.

Sehingga dapat

diambil kesimpulan bahwa variabel ROBA merupakan variabel yang tidak mempengaruhi PBV dari perusahaan perkebunan yang terdaftar di bursa efek IDX.

Untuk selanjutnya, disebabkan tidak terdapat hubungan antara kedua

variabel maka pengujian arah antara variabel ROBA terhadap PBV menjadi tidak diperlukan lagi.


16/41963.pdf

104

Uji signifikansi yang dilakukan pada variabel bebas untuk wilayah SOX dapat dilihat dari nilai p-value t-stat. Dari hasil regresi wilayah SOX didapatkan bahwa dengan tingkat signifikansi 95% (a= 5%) variabel ROBA memiliki nilai P-stat sebesar 0,0019. Karena nilai tersebut 0,0019< 0.05 maka variabel ini berada pada daerah menolak hipotesis Ho dan menerima hipotesis H 1. Sehingga dapat diambil

kesimpulan

bahwa

variabel

ROBA

merupakan

variabel

yang

mempengaruhi posistif terhadap PBV secara signifikan dari perusahaan

variabel ROBA terhadap PBV,

rb u

pengaruh yang signifikan hubungan antara

ka

perkebunan yang terdaftar di bursa efek SOX. Untuk selanjutnya, dengan adanya

dimana signifikansi tersebut bersifat positif (searah) dengan nilai koefisien ROBA

Te

sebesar 2,87 yang dapat diartikan bahwa setiap terjadi kenaikan atas nilai ROBA

ita

s

sebesar 1 satuan akan terjadi kenaikan nilai PBV sebesar 2,87 satuan.

rs

Hasil uji pengaruh atas ROBA pada masing-masing wilayah sampel IDX

ve

dan SOX dalam menjawab hipotesis yang telah diajukan, menunjukan hasil yang

ni

tidak konsisten dari keduanya. Uji pengaruh ROBA terhadap PBV unt,lk wilayah

U

SOX memiliki hubungan yang signifikan dan searah (positif). Hal ini berbeda dengan pengujian pada wilayah IDX diperoleh hasil yang tidak signifikan atau sebaliknya.

ROBA merupakan salah satu variabel yang dapat digunakan sebagai proxy imbal hasil (berupa laba bersih) terhadap nilai total aset tanaman (biological

assets) pada perusahaan-perusahaan perkebunan yang mendasari usahanya kepada budidaya tanaman atau pertanian. Pada sisi lain, perbandingan laba bersih terhadap nilai aset yang dikenal dengan Return on Asset (ROA) banyak digunakan


16/41963.pdf

105

untuk melihat kinerja aset dalam memberikan kontribusinya terhadap laba perusahaan. Dengan mengambil pandangan yang sama dengan ROA, bila suatu perusahaan perkebunan ingin melihat kinerja aset tanamannya terhadap pencapman laba perusahaan, maka ROBA menjadi altematif yang dapat digunakan.

Melihat hasi penelitian (Sparta, 2000), adanya pengaruh yang signifikan

ka

antara ROA dengan PBV memberikan arti bahwa keputusan investasi yang menyebabkan ROA meningkat akan mempengaruhi kenaikan harga saham. Hasil

rb u

yang dilakukan oleh Sparta tersebut relevan dan konsisten dalam melihat

Te

hubungan yang signifikan antara ROBA terhadap PBV pada sampel perusahaanperusahaan perkebunan di wilayah SGX. Namun, hasil yang diperoleh di wilayah

ita

s

SGX bertolak belakang dengan hasil yang diperoleh di wilayah IDX. Pada

rs

wilayah IDX tidak jumpai adanya hubungan yang signifikan antara ROBA

ve

terhadap PBV sebagai proxy nilai pasar saham. Bila diambil dengan padanan

ni

ROBA terhadap ROA maka hasil ini konsisten dengan penelitian Kabajeh, AL

U

Nu'ainimat dan Damasah (2012) yang menyatakan bahwa masing-masing ROA dan ROI secara terpisah memiliki hubungan yang lemah terhadap harga pasar saham.

Adanya perbedaan signifikansi pengaruh antara hasil IDX dan SGX, sejalan dengan gambaran deskripsi statistik yang telah dijelaskan pada bagian B (Tabel 4.3 dan Gambar 4.1), dimana secara rata-rata ROBA di wilayah IDX selama enam tahun pengamatan senantiasa berada di atas rata-rata ROBA di wilayah SGX. Sehingga bila dihubungkan dengan k:inerja nilai aset tanaman


16/41963.pdf

•

106

(apabila aset tanaman diukur o!eh Nilai Wajar dalam laporan keuangan suatu entitas perkebunan) tentu akan memberikan konstribusi kenaikan atau penurunan terhadap nilai ROBA. Hal ini terjadi dikarenakan penggunaan basis Nilai Wajar dalam pengukuran aset tanaman selalu berhubungan dengan harga atau nilai pasar (lAS 41). Nilai Wajar berhubungan dengan kondisi pasar (mark to market) sehingga dengan penerapan Nilai Wajar, transparasi dan kehandalan terhadap informasi yang ditampilkan suatu laporan keuangan akan menjadi lebih

ka

mencerminkan kondisi yang wajar untuk kepentingan pihak manajemen maupun

rb u

investor.

Te

• Hasil Uji Pengaruh ROE terhadap PBV

Return on Equity (ROE) berpengaruh positif terhadap Price

ve

Hipotesis H2a :

rs

ita

terhadap PBV dengan hipotesis :

s

Pada pengujian berikut ini, akan dilihat pengujian untuk variabel ROE

ni

to Book Value (PBV) pada sampel wilayah IDX

U

Hipotesis H2b :

Return on Equity (ROE) berpengaruh positif terhadap Price to Book Value (PBV) pada sampel wilayah SGX

Uji signifikansi yang dilakukan pada variabel bebas untuk wilayah IDX dapat dilihat dari nilai p-value t-stat. Dari hasil regresi wilayah IDX didapatkan bahwa dengan tingkat signifikansi 95% (u

=

5%) variabel ROE memiliki nilai P-

stat sebesar 0,48. Karena nilai tersebut 0,48> 0.05 maka variabel ini berada pada daerah terima hipotesis Ho dan menolak hipotesis HI. Sehingga dapat diambil kesimpulan bahwa variabel ROE merupakan variabel yang tidak mempengaruhi


16/41963.pdf

•

107

PBV dari perusahaan perkebunan yang terdaftar di bursa efek IDX.

Untuk

selanjutnya, disebabkan tidak terdapat hubungan antara kedua variabel maka pengujian arah antara variabel ROE terhadap PBV menjadi tidak diperlukan lagi.

Uji signifikansi yang dilakukan pada variabel bebas untuk wilayah SGX dapat dilihat dari nilai p-value t-stat. Dari hasil regresi wilayah SGX didapatkan bahwa dengan tingkat signifikansi 95% (u

=

5%) variabel ROE memiliki nilai P-

ka

stat sebesar 0,048. Karena nilai tersebut 0,048< 0.05 namun hubungan pengaruh

dengan

pemahaman

bahwa

variabel

rb u

ditemukan negatif. Sehingga hipotesis HI bel urn dapat diterima sepenuhnya ROE

merupakan

variabel

yang

Te

mempengaruhi PBV secara signifikan namun negatif (tidak searah) dari perusahaan perkebunan yang terdaftar di bursa efek SGX. Untuk selanjutnya,

ita

s

dengan melihat adanya pengaruh hubungan antara variabel ROE terhadap PBV

rs

secara signifikan, narnun signifikansi tersebut bersifat negatif (berlawanan arah)

ve

dengan nilai koefisien ROE sebesar -7,74 yang dapat diartikan bahwa setiap

ni

terjadi kenaikan atas nilai ROE sebesar I satuan akan terjadi penurunan nilai PBV

U

sebesar 7,74 satuan dan sebaliknya.

Hasil perolehan yang menyatakan terdapat hubungan yang lemah antara variabel ROE terhadap PBV pada perusahaan-perusahaan perkebunan yang tercatat di di masing-masing wilayah IDX dan SGX, kurang sejalan dengan hasil penelitian Kabajeh dan AI Nu'aimat dan Dahmasah (2012) yang menyebutkan sebelumnya, bahwa hubungan ROE terhadap harga pasar saham tidak terdapat hubungan yang positif.


16/41963.pdf

•

108

Namun bila melihat pendapat Damodaran (2011) yang menyatakan bahwa hubungan ROE dan PBV memi1iki pengaruh yang kuat (2011), menjadi belum sepenuhnya konsisten dengan hasil penelitian ini. Ana1isis yang di1akukan Damodaran mengatakan hubungannya positif (searah) dan objek penelitiannya juga untuk sektor perbankan, karena lemah atau kuatnya hubungan ROE terhadap PBV dapat saja disebabkan hal yang spesifik dari bidang dan ukuran perusahaan yang dite1iti. Seperti pada penelitian ini sampelnya adalah perusahaan perkebunan

ka

yang hasil usahanya didasarkan kepada hasil pertanian.

rb u

Gambaran dari pengujian yang di1akukan pada pene1itian ini setidaknya

Te

dapat menjadi pedoman bagi manajemen perusahaan maupun investor untuk melihat kembali sampai sejauh mana 1aba perusahaan memberikan kontribusi

ita

s

terhadap ni1ai ekuitas yang seharusnya berpengaruh 1angsung kepada ni1ai pasar

rs

perusahaan. Tetapi hasi1 yang dipero1eh terhadap kinerja ROE pada perusahaan

ve

perkebunan be1um terlihat relevan untuk menjawab adanya pengaruh langsung

ni

terhadap PBV secara searah. Karena bisa saja diduga ada variabel lain yang

U

mempengaruhl pergerakan harga saham, seperti harga komoditi atau harga minyak sawit (Hariana, 2009) yang mengakibatkan hubungan tersebut bisa tidak searah.

• Hasil Uji Pengaruh NPM Terhadap PBV

Pada pengujian berikut ini, akan dilihat pengujian untuk variabe1 NPM terhadap PBV dengan hipotesis :


16/41963.pdf

•

109

Hipotesis H3a :

Net Profit Margin (NP M) berpengaruh positif terhadap Price to Book Value (PBV) pada sampel wilayah IDX

Hipotesis H3b :

Net Profit Margin (NPM) berpengaruh positif terhadap Price to Book Value (PBV) pada sampel wilayah SGX

Uji signifikansi yang dilakukan pada variabel bebas untuk wilayah IDX dapat dilihat dari nilai p-value !-stat. Dari hasil regresi wilayah IDX didapatkan =

5%) variabel NPM memiliki nilai P-

ka

bahwa dengan tingkat signifikansi 95% (a

rb u

stat sebesar 0,18. Karena nilai tersebut 0,18> 0.05 maka variabel ini berada pada daerah terima hipotesis Ho dan menolak hipotesis Hl. Sehingga dapat diambil

Te

kesimpulan bahwa variabel NPM merupakan variabel yang tidak mempengaruhi PBV dari perusahaan perkebunan yang terdaftar di bursa efek IDX.

Untuk

ita

s

selanjutnya, disebabkan tidak terdapat hubungan antara kedua variabel maka

rs

pengujian arah antara variabel NPM terhadap PBV mcnjadi tidak diperlukan lagi.

ve

Uji signiftkansi yang dilakukan pada variabel bebas untuk wilayah SGX

ni

dapat dilihat dari nilai p-Yalue !-stat. Dari hasil regresi wilayah SGX didapatkan

U

bahwa dengan tingkat signiftkansi 95% (a= 5%) variabel NPM memiliki nilai Pstat sebesar 0,1530. Karena nilai tersebut 0,1530> 0.05 maka variabel ini berada pada daerah menerirna hipotesis Ho dan menolak hipotesis Hl. Sehingga dapat diarnbil kesimpulan bahwa variabel NPM merupakan variabel yang tidak mempengaruhi PBV secara signifikan dari perusahaan perkebunan yang terdaftar di bursa efek SGX. Untuk selanjutnya, disebabkan tidak terdapat hubungan antara kedua variabel maka pengujian arah antara variabel NPM terhadap PBV menjadi tidak diperlukan lagi. Hasil uji pengaruh atas NPM pada masing-masing wilayah


•

16/41963.pdf

110

sampel IDX dan SGX dalam menjawab hipotesis yang telah diajukan, menunjukan hasil yang konsisten dari keduanya. Uji pengaruh NPM terhadap PBV pada kedua wilayah IDX maupun SGX memilik:i hubungan yang tidak signifikan.

D.7.

Koefisien Detenninasi K dan Uji F Pengujian koefisien determinasi dilakukan untuk mengetahui besarnya

ka

kontribusi dari variabel independen terhadap variabel dependennya dimana

rb u

penguJ 1an koefisien determinasi dilakukan dengan melihat besamya nilai R2 • Sedangkan Uji signifikansi antara variabel bebas terhadap variabel terikat secara

Te

bersama-sama (serentak) dilakukan dengan menggunakan uji statistik F.

ita

s

Pengujian koefisien determinasi R2 dilakukan menggunakan analisis

rs

regresi data panel dengan pi!ihan pendekatan dengan model fiXed effect (FEM)

ve

yang telah mempertimbangkan white cross section standard error (lihat Analisis

ni

Pemilihan Model Akhir). Untl!k regresi yang sama dapat dilakukan analisis dalarn

U

penentuan uji statistik F pada masing-masing wilayah penelitian IDX maupun SGX sekaligus untuk uji Hipotesis H4a dan H4b. Hasil pengujian tersebut dapat diuraikan sebagai berikut:


16/41963.pdf

111

Tabel 4.27 Hasil Analisis Regresi Determinasi R2 Wilayah IDX dan SGX R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.685159 0.593754 0.808836 20.2807 -43.74648 7.495833 0.0000 I

IDX Mean dependent var

Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

1

SGX Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

R-squared

2.330972 1.269013 2.621779 3.039724 2.773972 1.853852

S.D. dependent var

1.737083 0.925818 1.887409 2.327275 2.040934 1.957229

rb u

ka

0.733851 Adjusted R-squared 0.641722 S.E. ofregression 0.554161 Sum squared resid 7.984444 Log likelihood -23.97336 F-statistic 7.965512 Prob(F-statistic) 0.000015 Sumber. Hastl Anahsa Evtews 8 untuk wtlayah JDX dan SOX, 2014

Te

Berdasarkan hasil perhitungan dalam Tabel 4.27 Diperoleh bahwa pada

s

wilayah IDX didapat nilai koefisien determinasi R 2 diperoleh sebesar 0,685 dan

ita

adjusted R 2 diperoleh sebesar 0,593 7, yang artinya variabel depend en PBV pada

rs

wilayah penelitian IDX dapat dijelaskan oleh variabel independen terdiri dari

ve

ROBA, ROE dan NPM sebesar 59,37%. Sedangkan sisanya sebesar 30,63%

U

regres1.

ni

dijelaskan oleh variabel lainnya yang tidak diteliti atau tidak masuk dalam model

Untuk wilayah SGX diperoleh bahwa nilai koefisien determinasi R 2

diperoleh sebesar 0,7338 dan adjusted R2 diperoleh sebesar 0,6417, yang artinya variabel dependen PBV pada wilayah penelitian SGX dapat dijelaskan oleh variabel independen terdiri dari ROBA, ROE dan NPM sebesar 64,17%. Sedangkan sisanya sebesar 35,83% dijelaskan oleh variabel lainnya yang tidak diteliti atau tidak masuk dalam model regresi.


16/41963.pdf

112

Hipotesis H 4a :

Return on Biological Asset (ROBA), Return on Asset (ROE), dan

Net Profit Margin

(NPM)

secara bersama-sama

berpengaruh terhadap Price to Book Value (PBV) pada sampel wilayah JDX Hipotesis H4b :

Return on Biological Asset (ROBA), Return on Asset (ROE) dan

Net

Profit Margin

(NPM)

secara bersama-sama

berpengaruh terhadap Price to Book Value (PBV) pada

ka

sampel wilayah SGX

rb u

Berdasarkan hasil perhitungan dalam Tabel 4.27 untuk wilayah IDX

Te

diperoleh nilai F test (F-statistic) sebesar 7,49 dengan nilai Prob (F-statistic) sebesar 0,00. Hasil ini menjelaskan pada tingkat signifikansi 95% (a= 5%) dan =

2,92 atau nilai Prob (F -statistic) sebesar

s

bahwa F hitung lebih besar nilai F tabel

ita

0,00< 0,05 yang berarti analisis ini berada pada daerah tolak hipotesis Ho dan

rs

menerima hipotesis H4a dimana Return on Biological Asset (ROBA), Return on

ve

Asset (ROE) dan Net Profit Margin (NPM) secara bersama-sama berpengaruh

U

ni

terhadap Price to Book Value (PBV) pada sampel wilayah IDX. Sedangkan pada wilayah SGX berdasarkan hasil perhitungan dalam Tabel

4.27 diperoleh nilai F test (F-statistic) sebesar 7,96 dengan nilai Prob (F-statistic) sebesar 0,00. Hasil ini menjelaskan pada tingkat signifikansi 95% (a bahwa F hitung lebih besar nilai F tabel

=

=

5%) dan

2,92 atau nilai Prob (F-statistic) sebesar

0,00< 0,05 yang berarti analisis ini berada pada daerah tolak hipotesis Ho dan menerirna hipotesis H4b dimana Return on Biological Asset (ROBA), Return on

Asset (ROE) dan Net Profit Margin (NPM) secara bersama-sama berpengaruh terhadap Price to Book Value (PBV) pada sampel wilayah SGX.


16/41963.pdf

113

Pengujian terhadap variabel bebas secara simultan untuk kedua objek sampel apakah di IDX maupun di SGX menunjukan hasil yang konsisten dari keduanya. Seluruh variabel ROBA, ROE dan NPM secara bersama-sama memiliki pengaruh yang signifikan terhadap PBV. Pembuktian atas penerimaan hipotesis H4a dan H4b di atas, yang menunjukan adanya hubungan yang kuat secara simultan dari variabel-variabel profitabilitas terhadap rasio penilaian yang diproxikan pada PBV. Hasil ini

ka

konsisten dengan beberapa hasil penelitian sebelumnya seperti yang telah

Machfiro dan Sukoharsono (2012), menyatakan bahwa variabel-

Te

o

rb u

diuraikan pada bab-2 meliputi:

variabel seperti ROA, ROE, PBV secara bersama-sama memiliki

Kabajeh, AI Nu'aimat dan Dahmash (2012) yang menyimpulkan

rs

o

ita

s

hubungan yang signifikan terhadap harga saham;

ve

bahwa terdapat hubungan positif antara rasio-rasio ROA, ROE dan ROJ secara bersama-sama terhadap harga saham;

ni

Nasehan dan Widyarti (2012), menyimpulkan adanya pengaruh antara

U

o

ROE, DER , DPR, pertumbuhan dan ukuran perusahaan terhadap PBV.

Pada penelitian ini, secara keseluruhan variabel yang digunakan adalah rasio-rasio keuangan yang mewakili rasio profitabilitas. Rasio profitabilitas merupakan rasio yang didasari kepada return atau imbal hasil yang diukur mengukuran perbandingan laba bersih perusahaan terhadap investasi atau penjualan suatu perusahaan (Van Home dan Wachowicz, 2012). Sementara di sisi lain, rasio penilaian seperti PBV merupakan rasio yang didasari kepada nilai pasar


16/41963.pdf

114

saham perusahaan perkebunan terhadap nilai buku saham perusahaan. Sehingga, bila melihat hubungan dari kedua rasio profitabilitas terhadap rasio penilaian yang siginifikan, maka hal ini memberi arti kepada manajemen maupun investor bahwa setiap keputusan investasi yang dilakukan dengan memperhatikan besaran dari profitabilitas kineija perusahaan yang tumbuh dan berkembang akan memberikan andil kepada keuntungan investasi yang meningkat. Uji Beda Dua Rata-rata

E.

ka

Pengujian hipotesa dilakukan untuk mengetahui apakah diantara variabel

rb u

dependen PBV secara individu berbeda untuk sampel di wilayah IDX dan SOX

Te

dengan menggunakan Independent Sample Test. Independent Sample Test dilakukan untuk menguji perbedaan rata-rata dari suatu variabel untuk sampel

s

yang tidak saling berhubungan (sampel wilayah IDX & SOX). Dasar pengambilan

ita

keputusan adalah ben.lasarkan nilai signifikansi dibandingkan dengan tingkat

rs

kesalahannya (u = 5%) jika Sig. > 5%, maka HO diterimajika Sig. < 5%, maka HO

ni

ve

ditolak.

U

Berdasarkan hasil pengolahan data dengan program Eviews 8, didapat hasil pengujian seperti ditunjukkan dengan tabel sebagai berikut :

•

Price to Book Value (PBV)

Tabel 4.28 Hasil Uji Beda PBV Wilayah IDX dan Wilayah SOX Method

df

Value

Probability

t-test 75.00 2.320 0.023 Satterthwaite-Welch t-test* 72.67 2.367 0.021 (1, 75) 5.382 0.023 Anova F-test Welch F-test* (1, 72.6677) 5.603 0.021 Sumber: Hasil Ana1isa Eviews 8 untuk wi1ayah IDX dan SOX, 2014


16/41963.pdf

115

Hipotesis HS :

Terdapat perbedaan secara rata-rata atas PBV perusahaan perkebunan yang tercatat di wilayah !OX dengan PBV atas perusahaan perkebunan yang tercatat di wilayah SGX.

Sccara keseluruhan metode pcngujian yang tertera pada Tabel 4.28 untuk melihat perbedaan PBV pada wilayah !OX dan SGX menunjukan menunjukan nilai Probabilility t-test (0,023), Satterhwaite-Welch-test (0,021 ), Anova F -test

ka

(0,023) dan Welch F-test (0,021), semuanya lebih keceil alpha

=

0,05 (Sig. <

rb u

5%). Sehingga dengan hasil uji beda ini dapat ditafsirkan bahwa Hipotesis H5

Te

dapat dibuktikan untuk diterima dengan kata lain, bahwa terdapat perbedaan secara rata-rata variabel PBV pada perusahaan perkebunan yang tercatat di

ita

s

wilayah IDX dengan PBV atas perusahaan perkebunan yang tercatat di wilayah

Return on Bio/ogica/Assets (ROBA)

ve

•

rs

SGX.

U

ni

Tabel4.29. Hasil Uji Beda ROBA Wilayah IDX dan Wilayah SGX Method

df

Value

Probability

t-test 81.00 1.855 0.067 Satterthwaite-Weich t-test* 80.88 1.855 0.067 Anova F-test (1, S1) 3.443 0.067 Welch F-test* (1, 80.8776) 3.441 0.067 Sumber: Hasil Analisa Eviews 8 untuk wilayah IDX dan SGX, 2014

Hipotesis H6 :

Terdapat perbedaan secara rata-rata atas ROBA perusahaan perkebunan yang tercatat di wilayah IDX dengan ROBA atas perusahaan perkebunan yang tercatat di wilayah SGX


16/41963.pdf

116

Secara keseluruhan metode pengujian yang tertera pada Tabel 4.29 untuk melihat perbedaan ROBA pada wilayah IDX dan SOX menunjukan menunjukan nilai Probabilility t-test (0,067), Satterhwaite-Welch-test (0,067), Anova F-test (0,067) dan Welch F-test (0,067), semuanya lebih besar dari alpha

=

0,05.

Sehingga dengan hasil uji beda ini dapat ditafsirkan bahwa Bipotesis B6 tidak dapat dibuktikan untuk diterima sehingga dapat ditafsirkan bahwa tidak terdapat

ka

perbedaan secara rata-rata variabel ROBA pada perusahaan perkebunan yang tercatat di wilayah lOX dengan ROBA atas perusahaan perkebunan yang tercatat

Return on Equity (ROE)

Te

•

rb u

di wilayah SOX.

ita

s

Tabel4.30. Basil Uji Beda ROE Wilayah IDX dan Wilayah SOX Method

df

Value

Probability

0.036 0.036 0.036 0.036

U

ni

ve

rs

t-test 81.00 2.137 Satterthwaite-Welch t-test* 80.44 2.135 Anova F-test (1, 81) 4.565 Welch F-test* (1, 80.4378) 4.559 Sumber: Basil Analisa Eviews 8 untuk wilayah IDX dan SOX, 2014

Hipotesis H7 : Terdapat perbedaan secara rata-rata atas ROE perusahaan

perkebunan yang tercatat di wilayah IDX dengan ROE atas perusahaan perkebunan yang tercatat di wilayah SOX

Pengujian yang tertera pada Tabel 4.30 untuk melihat perbedaan ROE pada wilayah IDX dan SOX menunjukan nilai Probabilility t-test (0,036), Satterhwaite-Welch-test (0,036), Anova F-test (0,036) dan Welch F-test (0,036), semuanya lebih kecil dari alpha


=

0,05. Sehingga dengan basil uji beda ini dapat

16/41963.pdf

117

ditafsirkan bahwa Hipotesis H7 dapat diartikan tidak dapat ditolak dengan tafsiran bahwa terdapat perbedaan secara rata-rata variabel ROE pada perusahaan perkebunan yang tercatat di wilayah IDX dengan ROE atas perusahaan perkebunan yang tercatat di wilayah SGX.

F.

Pembahasan Uji Beda Hasil hipotesis yang telah dilakukan pada pengujian uji pada sub bab E

ka

dapat diuraikan sebagai berikut:

rb u

(I) Terdapat perbedaan rata-rata rasio PBV pada sam pel wilayah IDX dan sam pel wilayah SGX;

Te

(2) Tidak terdapat perbedaan rata-rata rasio ROBA pada sampel wilayah IDX dan

s

sampel wilayah SGX;

ita

(3) Terdapat perbedaan rata-rata rasio ROE pada sampel wilayah IDX dan sampel

rs

wilayah SGX;

ve

Salah tujuan penelitian ini adalah untuk melihat apakah ada perbedaan dari

ni

penggunaan standar akuntansi intemasional (lAS 41) yang menggunakan basis

U

Nilai Wajar dalam pengukuran aset-aset tanaman (biological assets) dengan menggunakan basis nilai buku (nilai historis). Penelitian terdahulu terkait implementasi pengukuran nilai menggunakan Nilai Wajar setidaknya telah dilakukan oleh Terzi, Oktem dan Kiymeti Sen (2013), dimana kesimpulan penelitian tersebut menyebutkan terdapat perbedaan signifikan terhadap penggunaan standar lokal GAAP dan IFRS yang mendasari pemyataan atas rasio-rasio keuangan. Namun, peneliti yang sama menemukan bahwa tidak terdapat perbedaan signifikan diantara penggunaan standar lokal


16/41963.pdf

118

GAAP dan !FRS atas analisis rasio nilai buku/nilai pasar. Hasil yang berbeda juga diungkapkan oleh Saut Maruli dan Aria Farah Mita (2011) menyimpulkan tidak terdapat perbedaan yang signifikan pada nilai dan volatilitas aset, pendapatan, laba, ROA dan Income Smothing Index (lSI) antara perusahaanperusahaan agrikultur yang menggunakan pendekatan Nilai Wajar dengan yang menggunakan pendekatan nilai historis. Hasil yang diperoleh oleh peneliti Terzi, Oktem dan Kiymeti Sen (2013)

ka

sejalan dengan hasil penelitian ini berdasarkan uji beda yang telah dilakukan pada

rb u

variabel PBV dan ROE atas perusahaan perusahaan pada sampel wilayah IDX dan sampel wilayah SGX. Namun, untuk variabel ROBA, penelitian ini menjelaskan

Te

berbeda bahwa tidak dapat perbedaan dan hal ini sejalan dengan penelitian

s

berbedajuga diungkapkan oleh Maruli dan Farah Mita.

ita

Hasil uji penga..'uh diantara rasio profitabilitas terhadap rasio penilaian

rs

(rasio nilai pasar) yang telah diteliti untuk masing-masing perusahaan-perusahaan

ve

perkebunan pada bursa efek/wilayah IDX maupun di wilayah SGX secara utama

ni

dapat dianalisis dari perbedaan PBV rata-rata sampel wilayah IDX terhadap SGX.

U

Alasan diambilnya rasio PBV sebagai faktor utama yang perlu dianalis disebabkan rasio ini adalah salah satu rasio yang dapat digunakan dalam pengukuran nilai pasar perusahaan (Brigham dan Ehrhardt, 2005). Pengujian terhadap penga:ruh rasw profitabilitas secara simultan (bersama-sama) terhadap rasio PBV yang hasilnya pada pengujian sebelumnya telah dilakukan untuk masing-masing wilayah dan hasilnya positif signifikan (uji test-F). Perolehan perbedaan tersebut menunjukan adanya perbedaan PBV pada wilayah IDX dan PBV pada wilayah SGX disebabkan adanya perbedaan


16/41963.pdf

119

penggunaan standar akuntansi keuangan yang diterapkan terhadap pengukuran nilai aset tanaman. lndikasi ini bisa dilihat dari hasil pengujian ROBA terhadap PBV pada sampel wilayah SGX positif signifikan, sedangkan pasa sampel IDX tidak signifikan.

Seperti diketahui, ROBA telah dicoba untuk digunakan sebagai rasw untuk melihat laba usaha terhadap nilai aset tanaman. Dengan menggunakan

ka

ROBA sebagai ukuran analisis, maka analis tersebut dapat digunakan untuk melihat sampai sejauh mana hasil pengukuran nilai aset tanaman yang

rb u

menggunakan berbeda pengukuran yang berbeda saling berpengaruh satu sama

Te

lainnya. Pencatatan nilai tanaman pada wilayah sampel IDX masih menggunakan nilai buku (model biaya) berdasarkan standar akuntasi lokal (PSAK.). Sementara,

ita

s

pada sampel wilayah SGX standar akuntansi keuangan dalam pengukuran nilai

rs

aset tanaman (Biological Assets) telah menggunakan standar akuntansi keuangan

ve

intemasional (lAS 41) yaitu menggunakan pengukura'l berdasarkan Nilai Wajar.

ni

Untuk melihat perbedaan pengaruh Nilai Wajar tanaman terhadap nilai

U

aset tanaman yang tidak tidak menggunakan Nilai Wajar, berikut ini dapat dianalis perbandingan hasil yang d!tampilkan nilai aset tanaman perkebunan pada sampel perusahaan di wilayah IDX dan Nilai Wajar aset biologis (Biological Asset) pada sampel perusahaan perkebunan di wilayah SGX. Perbandingan tersebut bisa diukur dari perbandingan nilai tanaman terhadap luas areal tertanam seperti disajikan pada Lampiran 2. Gambaran realisasi nilai dalam satuan per hektar cenderung bervariasi dengan hasil untuk wilayah perusahaan-perusahaan perkebunan di IDX didapat


16/41963.pdf

120

sebesar Rp. 25,6 juta/ha. Sedangkan di SGX diperoleh sebesar Rp. 94,81 juta/ha. Perolehan tersebut membuktikan bahwa tedapat perbedaan antara nilai buku aset tanaman pada wilayah IDX dengan Nilai Wajar aset tanaman pada wilayah SGX. Hal ini dapat disebabkan adanya perbedaan prinsip dalam pengukuran kedua nilai, dimana basis pengukuran Nilai Wajar berdasarkan data pasar sedangkan nilai buku berdasarkan model biaya (nilai perolehan yang setiap tahun disusutkan). Perbedaan tersebut juga memberikan efek kepada perlakuan pencatatan

ka

atas selisih perubahan Nilai Wajar tanaman dalam pencatatan setiap tahunnya,

rb u

apakah positif atau negatif akan menjadi pendapatan lain-lain setelah dikurangi biaya penjualanan (lAS 41) pada pos lab a rugi. Selanjutnya, kenaikan atau

Te

penurunan laba akibat selisih Nilai Wajar tersebut akan berpengaruh kepada

s

besaran ekuitas perusahaan.

ita

Pada sisi yang berbeda untuk nilai aset tanaman yang masih menggunakan

rs

modd biaya akan menghasilkan nilai buku yang diperoleh dari harga perolehan

ve

aset tanaman yang disusutkan (secara akurnulasi) berdasarkan urnur tanaman.

ni

Behan depresiasi atau penyusutan yang diperoleh akan dibebankan menjadi biaya

U

dalam laporan laba rugi. Karena depresiasi menjadi beban biaya maka sudah tentu akan menjadi pengurang laba yang pada gilirannya akan berpengaruh terhadap ekuitas. Nilai aset yang berasal dari tanaman akan menjadi pembentuk potensi usaha perusahaan secara langsung karena hasil produksi yang dihasilkan tanaman akan menjadi surnber pendapatan usaha perusahaan. Sehingga salah satu rasio yang relevan dan perlu dipertimbangkan adalah rasio Return on Biological Asset (ROBA). Khusus untuk perusahaan yang berbasis kepada budidaya pertanian atau


16/41963.pdf

121

perkebunan seperti perkebunan kelapa sawit dan karet, ras10 ROBA dapat digunakan secara langsung untuk melihat seberapa besar kemampuan perusahaan menghasilkan tingkat pengembalian atas investasi yang dibiayakan pada aset pertanian atau tanaman. Secara bersamaan, nilai aset tanaman juga berpotensi menjadi pembentuk besaran nilai aset total dan secara menyeluruh (aset lancar dan aset tak lancar). Pembentukan aset secara total dimana aset tanaman ikut berpengaruh tentu perusahaan secara langsung akan dapat melihat pengaruh laba

ka

usaha terhadap total nilai aset melalui rasio ROA.

rb u

Perbandingan ROA dan ROBA terletak pada masing-masing nilai aset yang dijadikan pembagi oleh laba bersih perusahaan. Bila dalam ROA digunakan

Te

total aset, maka dalam ROBA digunakan total nilai tanaman atau aset pertanian

s

(biological asset). Sehingga beberapa indikasi yang dapat dijadikan dasar

ita

penentuan ROBA sebagai salah satu altematif untuk dijadikan rujukan sebagai

rs

rasio profitabilitas dalam mengukur kinerja aset dan PBV dalam mengukur nilai

ve

perusahaan, dapat memiliki kelebihan dan kekurangan dengan penjelasan sebagai

Bila aset tanaman atau aset pertanian menjadi salah satu basis aset yang

U

•

ni

berikut:

signifikan dalam memberikan andil terhadap total aset dan!atau terhadap return perusahaan, maka ROBA menjadi sebagai alternatif untuk dapat

digunakan sdain ROA; •

Pengukuran aset tanaman berdasarkan Nilai Wajar dalarn basil uji pengaruh yang telah dilakukan pada penelitian ini menunjukan bahwa ROBA berpengaruh signifikan dan positif terhadap rasio penilaian atau rasio nilai pasar yang diwakili PBV. Sehingga ROBA menjadi relevan untuk digunakan


16/41963.pdf

122

pada perusahaan perkebunan yang menerapkan Nilai Wajar dalam pengukuran nilai aset tanamannya. Karena sesungguhnya, Nilai Wajar berdasarkan konsep definisinya adalah nilai berbasis kepada pasar (!FRS 13); •

Apabila data danlatau rasio keuangan hendak digunakan sebagai data perbandingan dalam menentukan nilai perusahaan atau nilai saham/ekuitas (terutama perusahaan tertutup) berasal dari hasil penggunaan standar

cocok pada pendekatan pasar (Damodaran, 2012);

Kurang konsistennya besaran nilai wajar dari masing-masing perusahaan per

rb u

•

ka

akuntansi keuangan yang berbeda maka perlakuan ini akan menjadi tidak

hektar di SGX (Tabel 4.31) dapat menjelaskan adanya potensi perbedaan

Te

model pengukuran dalam penentuan Nilai Wajar, selain adanya perbedaan

ita

perusahaan lainnya.

s

kualitas dan produktifitas tanaman yang berbeda pada satu perusahaan dengan

rs

Perbedaan atas informasi keuangan diantara satu perusahaan dengan

ve

perusahaan lain bila digunakan dalam memutuskan beberapa alternatif rencana

ni

investasi, seharusnya menjadikan pertimbangan para praktisi dan manajer

U

keuangan untuk meneliti lebih jauh basis standar akuntansi keuangan yang digunakan. Bila tidak ditemukan sebanding maka perlu dilakukan penyesuaian sebelum rasio penilaian tersebut digunakan (Pratt, 2008).


16/41963.pdf

123

BABV KESIMPULAN DAN SARAN

1. Kesimpulan

Penelitian ini dilakukan untuk melihat hasil pengujian pengaruh terhadap rasio profitabilitas seperti ROBA, ROE dan NPM terhadap rasio penilaian PBV dengan mengambil objek penelitian pada perusahaan-perkebunan yang tercatat di

ka

bursa efek Indonesia (IDX) dan bursa efek Singapore (SGX). Hasil yang

rb u

diperoleh adalah sebagai berikut :

Te

1. Pengujian yang dilakukan terhadap pengaruh variabel ROBA terhadap PBV untuk masing-masing wilayah IDX dan SGX menunjukan hasil yang berbeda

s

signifikansinya. Berdasarkan uji signifikansi dan P-stat ditemukan bahwa

ita

tidak terdapat pengaruh yang signifikan atas variabel ROBA terhadap PBV.

rs

Namun, sebaliknya, terdapat hubungan yang signifikan positif untuk

ve

pengukuran variabel yang sama pada sampel wilayah SGX;

ni

2. Pengujian yang dilakukan terhadap pengaruh variabel ROE terhadap PBV

U

untuk masing-masing wilayah IDX dan SGX menunjukan hasil yang berbeda signifikansinya. Berdasarkan uji signifikansi dan P-stat bahwa tidak terdapat pengaruh yang signifikan atas ROE terhadap PBV. Namun pada sampel wilayah SGX terdapat pengaruh yang signifikan atas ROE terhadap PBV namun pengaruh tersebut memiliki hubungan negatif(berlawan arah); 3. Pengujian yang dilakukan terhadap pengaruh variabel NPM terhadap PBV untuk masing-masing wilayah IDX dan SGX menunjukan hasil yang berbeda signifikansinya. Berdasarkan uji signifikansi dan P-stat disimpulkan bahwa


16/41963.pdf

124

tidak terdapat pengaruh yang signifikan namun negatif atas variabel NPM. Hal yang sama juga dijumpai pada sam pel wilayah SGX terdapat hubungan yang yang tidak signifikan

untuk pengukuran variabel yang sama pada sampel

wilayah SGX; 4. Basil pengujian variabel ROBA, ROE dan NPM terhadap PBV secara bersama-sama (simultan) dengan menggunakan uji F menghasilkan hubungan yang signifkan positif. Basil yang diperoleh menjelaskan pada tingkat

ka

signifikansi dan F hitung, menerima hipotesis H4 dimana Return on

rb u

Biological Asset (ROBA), Return on Asset (ROE) dan Net Profit Margin (NPM) secara bersama-sama berpengaruh terhadap Price to Book Value

Te

(PBV) pada sampel wilayah lOX. Hal yang sama terjadi pada pengujian

s

wilayah SGX dimana diperoleh hasil analisis bahwa secara bersama-sama

ita

variabel-variabel seperti ROBA, ROE dan NPM berpengaruh terhadap Price

rs

to Book Value (PBV) pada sampel wilayah SGX;

ve

5. Untuk melihat perbedaan antara kecendrungan rasio PBV antara IDX dan uji

beda rata-rata secara independen dengan

ni

SGX telah dilakukan

U

menggunakan uji t-test, Satterhwaite-Welch-test, Anova F-test dan Welch Ftest, semuanya lebih kecil dari alpha 0,05. Dengan hasil itu menyatakan bahwa terdapat perbedaan rasio PBV di wilayah IDX dengan rasio PBV paa wilayah SGX; 6. Untuk melihat perbedaan antara kecendrungan rasio ROBA antara IDX dan SGX telah dilakukan uji

beda rata-rata secara independen dengan

menggunakan t-test, Satterhwaite-Welch-test, Anova F-test dan Welch F-test, semuanya lebih besar dari alpha 0,05. Sehingga dengan hasil uji beda ini dapat


16/41963.pdf

125

ditafsirkan bahwa tidak terdapat perbedaan secara rata-rata variabel ROBA pada perusahaan perkebunan yang tercatat di wilayah IDX dengan ROBA atas perusahaan perkebunan yang tercatat di wilayah SGX; 7. Untuk melihat perbedaan antara kecendrungan rasio ROE antara IDX dan SGX

telah dilakukan

uji

beda rata-rata secara independen

dengan

menggunakan uji t-test, Satterhwaite-Welch-test, Anova F-test dan Welch Ftest, semuanya lebih kecil dari alpha 0,05. Sehingga dengan hasil uji beda ini

ka

dapat ditafsirkan bahwa terdapat perbedaan secara rata-rata variabel ROE

rb u

pada perusahaan perkebunan yang tercatat di wilayah IDX dengan ROE atas perusahaan perkebunan yang tercatat di wilayah SGX.

Te

8. Pengukuran aset tanarnan berdasarkan Nilai Wajar dalarn hasil uji pengaruh

s

yang telah dilakukan pada penelitian ini menunjukan bahw& ROBA

ita

berpengaruh signifikan dan positif terhadap rasio penilaian atau rasio nilai

rs

pasar yang diwakili PBV. Sehingga ROBA menjadi relevan untuk digunakan

ve

pada perusahaan perkebunan yang menerapkan Nilai Wajar dalarn pengukuran

ni

nilai aset tanarnannya.

U

9. Perbedaan atas informasi keuangan diantara satu perusahaan dengan perusahaan lain bila digunakan dalarn memutuskan beberapa alternatif rencana investasi, seharusnya menjadikan pertimbangan para praktisi dan manajer keuangan untuk meneliti lebih jauh basis standar akuntansi keuangan yang digunakan. Bila tidak ditemukan sebanding maka perlu dilakukan penyesuaian sebelum rasio penilaian tersebut digunakan.


16/41963.pdf

126

2. Saran

Penelitian ini telah menunjukan beberapa indikasi terhadap persamaan dan perbedaan dalarn pengkuran nilai aset tanarnan hila menggunakan standar akuntansi keuangan yang berbeda dari satu perusahaan dengan perusahaan sejenis lainnya. Sangat disadari bahwa penelitian ini masih menggunakan sampling yang terbatas dan peri ode waktu yang masih terbatas. Oleh karcna itu : 1. Perlu ada tindak lanjut penelitian yang lebih fokus dan spesifik terhadap

ka

pengaruh perbedaan penggunaan standar akuntansi keuangan pada aset

rb u

tanarnan dengan mengarnbil sampling terbatas kepada perusahaan perkebunan

Te

yang tidak mengikut sertakan usaha industri turunannya atau kegiatan usaha lainnya;

ita

s

2. Rasio Return on Biological Assets (ROBA) yang diuji pada penelitian ini

rs

relevan digunakan oleh pelaku usaha dan investor untuk melihat efektifitas

ve

aset tanaman dalam konstribusinya terhadap profit yang diterima perusahaan;

3. Bagi manajemen perkebunan, investor, analisis keuangan dan profesi Penilai,

U

ni

seharusnya mempertimbangkan lebih jauh standar akuntansi keuangan yang digunakan dari masing-masing perusahaan pembanding tatkala melakukan perbandingan, penilaian atau taksiran terhadap suatu perusahaan perkebunan. Karena tidak semua negara mengadopsi standar akuntansi yang sarna dari standar akuntansi keuangan internasional.


16/41963.pdf

127

DAFTAR PUSTAKA

Agca Ahmet, Aktas Rafet (2007). "Aplikasi Pertama terhadap IFRS dan Pengaruhnya atas Rasio Keuangan; Suatu Studi terhadap Perusahan-perusahaan yang Terdaftar di Turkey), Problem and Perpectives Management/Volume 5, Issue 2, hal 99 - 112. Azevedo, Graca Maria do Carmo (2007). The Impact of International Accounting Standard 41 "Agriculture" in the Wine Industry, Social Science Electronic Publishing, Inc

ka

Atkinson, A. A., Kaplan, R. S., Matsumura, E. M., Young, S. M. (2007). Management Accounting, Fifth Edition. Pearson International Edition, pp 655.

rb u

Baltagi, Badi H (2005). Econometric Analysis of Panel Data, Third Edition, John WHey & Sons, Inc.

Te

Brigham, E. F. and Ehrhardt, M. C. (2005). Financial Management, Theory and Practice. International Student Edition, lith edition.

ita

s

Damodaran, Aswath (2011). Applied Corporate Finance, Third Edition, John Wiley & Sons, Inc.

rs

Damodaran, Aswath (2012). Investment Valuation Tool ond Techniques for Determining The Value of Assets, Third Edition, John Wiley & Sons, Inc.

ve

Damodaran, Aswath (2012). Investment Philosophies, 2"d, Wiley Finance.

U

ni

Dimitropoulos, P. E. and Asteriou, D. (2009). "The Value Relevance of Financial Statements and Their Impact on Stock Prices: Evidence from Greece", Managerial Auditing Journal, Vol24. No 3 Thn 2009. Emerald Group Publishing Limited, pp 248-265. Gandasutedja,Y dan Wirjolukito, A. (2002). "Pertimbangan dalam Pemiliban Konsep Penilaian pada Penyajian Laporan Keuangan", Jurnal Ekonorni dan Bisnis, Fakultas Ekonomi Universitas Katolik Indonesia Atrnajaya, Vol2 No. 2 Agustus, halll5 -131. Gujarati, N Damodar, Porter Down C (2009). Basic Econometrics, Fifth Edition, McGraw-Hill. Gujarati, Damodar (2012). Econometrics by Example, Palgrave Macmillan. Yusuf, Hamid (2011). "Nilai Wajar Akuntansi Dalam PerspektifPenilaian Properti", Media Penilai Ed. Desember 2011, MAPPI


16/41963.pdf

128

Harahap, S.S. (1994). Akuntansi Aktiva Tetap: Akuntansi, Pajak, Revaluasi, Leasing. Rajawali Press. Jakarta. 288 Hal. Harahap, S.S. (1999). Analisa Kritis atas Laporan Keuangan. Rajawali Press. Jakarta. 463 Hal. Hery. (2009).Teori Akuntansi. Kencana Prenada Media Group. Jakarta. 256 Hal. Ankarath, Nandakumar, Ghost,T.P, Mehta, J, Kalpesh, Alkafaji, A, Yass. (20 10). ED Bahasa Indonesia (20 12). "Memahami IFRS Stan dar Pelaporan Keuangan Internasional, Indeks Jakarta, 534 Hal.

ka

Majid Kabajeh Majed Abdel, AI Nu'aimat Said Mukhled Ahmed & Dahmash Firas Nairn (2012). Hubungan diantara Rasio ROA, ROE dan ROI dengan Harga Pasar Saham Jordanian Insurance Public Companies International Journal of Humanities and Social Science Vol. 2 No. 11; Hal 115- 120.

Te

rb u

Machfiro Sonia dan Sukoharsono Ganis (20 12), Pengaruh dari Variabel Keuangan atas Nilai Perusahaan (Studi atas Perusahaan Makan dan Minuman yang Terdaftar di Bursa Saham Indonesia Priode 2008- 2011).

ita

s

Maruli, Saur dan Farahmita, Aria (2011). "The Analysis Of Application Of Fair Value And Historical Cost Approaches In The Valuation Of Biological Assets in The Agricultural Companies", Asia Pasific Journal od Accounting and Finance, Vol I (2), June 2011

ni

ve

rs

Mukhtarudin & Romalo, D. K. (2007). "Pengaruh Return on Asset (ROA), Return on Equity (ROE), Return on Investment (ROI), Debt to Equity Ratio (DER) dan Book Value (BV) per Share terhadap Harga Saham Properti di BEJ", Akuntabilitas, Jurnal Penelitian dan Pengembangan Akuntansi, Vol 1 No.1. Hal 69-77.

U

Nachrowi, D Nacrowi da.'1. Usman, Hardius (2006). Pendekatan Populer dan Praktis Ekonometrik Untuk Analisis Ekonomi dan Keuangan, Lembaga Penerbit FEUI. Nasehah Durrotun, Tri Widyarti Endang (201 2), " Analisis Pengaruh ROE, DER, DPR, Growth, dan Firm Size Terhadap Price To Book Value (PBV) (Studi Kasus pada Perusahaan Manufaktur yang Listed di BEl Periode Tahun 2007- 2010), Diponegoro Journal of Management Volume 1, Nomor 1, Hall-9. Sparta. (2000). "Pengaruh Faktor-faktor Fundamental Lembaga Keuangan Bank terhadap Harga Sahamnya di Bursa Efek Jakarta", JAfFE Untarffh IV/0 112000/Edisi Khusus Penelitian. Hal 54 - 68. Standar Akuntansi Keuangan 1 Juni 2012. Ikatan Akuntansi Indonesia. Penerbit Salemba Empat.


16/41963.pdf

129

Terzi Serkan, Oktem Recep & Sen Ilker (2013). "Pengaruh adopsi Standar Akuntansi Internasional; Pembuktian Empiris dari Turkey, International Business Research, Vol. 6 No.4, hal 55-66. Tandelilin, Eduardus (2012), Manajemen Investasi, BMP EKMA5312, Universitas Terbuka. Ulupui, IG.K.A. (2006). "Analis Pengaruh Rasio Likuiditas, Leverage, Aktivitas dan Profitabilitas Terhadap Return Saham (Studi Pada Perusahaan Makanan dan Minuman dengan Kategori Industri Barang Konsumsi di BEJ). Van Horne, James C dan Wachowicz, Jr John M {2012). Prinsip-prinsip Manajemen Keuangan, Jakarta, Salemba Empat.

U

ni

ve

rs

ita

s

Te

rb u

ka

Widarjono, Agus (2013). Ekonometrika (Pengantar dan AP/ikasi}, Jakarta UPP STIM YKPN.


16/41963.pdf

Lampiran 1

1-1

Ringkasan Pos-pos Laporan Keuangan (Aset, Ekuitas dan Laba) Perusahaan-perusahaan Perkebunan di Wilayah IDX (2008- 2013) Nama Perusahaan

PT. Astra Agro Lestari Tbk 2013 2011 2010 2012 (Rp. I juta) (Rp. I juta) (Rp. I juta) (Rp. I juta) Aset 14,988,961 10.204,495 8,791,799 12,419,820 Tanaman perkebunan·: 4,972,531 3,795,784 3,183,878 4,472,873 - Tanaman menghasilkan 3,352,681 1,351,784 1,080,670 2,385,573 - Tanaman belurn menghasilan 1,619,850 2,087,300 2,444,000 2,103,208 10,247,702 8,426,158 7,457,257 Ekuitas 9,365,411 Pendapatan usaha 12,674,999 10,772,582 8,843,721 11,564,319 Laba bersih 1,902,976 2,520,266 2,498,565 2,103,652 2,498,565 2,103,652 Laba Komerehensif 1,916,093 1 2,453,654 Sumber: Laporan Tahunan Perusahaan yang dipublikasi (2009, 2010, 2011, 2012 dan 2013)

PT. BW Plantation Tbk 2013 2012 (Rp. I juta) (Rp. I juta) 6,200,427 4,912,983 4,328,064 3,183,708 1,969,125 818,966 2,358,939 2,364,742 2,184,768 1,666,181 1,144,000 944,000 181,782 262,184 262,184 181,7821

(Rp. I juta) 1,622,885 699,848 128,388 571,461 905,460 584,109 167,467

PT. Perusahaan Perkebunan London Sumatera Indonesia Tbk 2013 2012 2011 2010 (Rp. I juta) (Rp. 1 juta) (Rp. I juta) (Rp. I juta) 7,974,876 7,551,796 6,791,859 5,561,433 2,492,835 2,244,183 2,076,179 2,018,878 900,472 605,140 1,504,674 1,388,195 1,592,363 1,639,043 571,505 630,683 5,839,424 4,554,105 6,613,987 6,279,713 4,133,679 4,2ll,578 4,686,457 3,592,658 1,701,513 1,033,329 768,625 l,ll5,539 1,122,575 1,701,513 1,033,329 788,0031

2009 (Rp. I juta) 4,852,277 1,955,741 1,126,421 829.320 4,852,277 3,199,687 707,487

PT. Sam2oerna AG!o Tbk 2013 2012 (Rp. I juta) (Rp. I juta) 4,512,689 4,137,700 1,595,791 1,407,559 853,040 771,893 - - 742,151. 635,666 2,698,637 2,666,909 2,560,706 2,986,237 120,380 336,289 336,289 120,18o

2009 (Rp. I juta) 2,261,798 806,462 450,612 - 355,851 1,765,581 1,815,557 281,766

s

Te

rb u

Aset Tanaman perkebunan : - Tanaman menghasilkan - Tanaman belum menghasilan Ekuitas Pendapatan usaha Laba bersih Laba KomErebensif. Sumber: Laporan Tahunan Perusahaan yang dipublikasi (2009, 2010,2011,2012 dan 20l3)

ita

Nama Perusabaan

U

ni

ve

rs

Aset Tanaman perkebunan : - Tanaman mengha£ilkan - Tanaman belum m"enghasilan Ekuitas Penjualan usaha Laba bersih Laba KomE:rehensif Sumber: LaJ?Oran Tahunan Perusahaan yang dipublikasi (2009, 2010,2011,2012 dan 2013)

Nama Perusabaan

Aset

Tanaman perlrebunan : - Tanaman menghasilkan

·:- 1~~be1~-~enpsil~--- -· Ekuitas

J'endijia'ti.jl ,$aha Laba bersih

Lilba l(.OniE,!;hensif

2009

2010 (Rp. I juta) 2,654,678 1,135,656 190,622 945,034 1,128,773 712,174 243,588 Z43,588

2011 (Rp. I juta) 3,589,032 2,099,306 303,158 1,796,149 1,425,903 888,298 320,388 320,388

ka

Nama Perusahaao

2009 (Rp. I juta) 7,571,399 2,614,018 729,251 1,884,767 6.226,365 8,843,721 1,660,649 1,660,6491

1

2011 (Rp. ljuta) 3,411,026 1,169,899 505,441 664.458 2,499,511 3,142,379 549,523 549,523

Sumber: La~= Tahunan Perusahaan ~ans diEublikasi (2009, 2010,2011,2012 dan 2013)


2010 (Rp. ljuta) 2,875,847 1,005,794 478,598 527,196 2,159,266 2,311,749 457,319 457,319

167,4671

707,4871

281,7661

2008 (Rp. I juta) 6,519,791 1,937,276 600,653 1,336,623 5,156,245 7,424,283 2,631,019 2,631,019

2008 (Rp. I juta) 1,016,499 487,650 115,588 372,062 273,158 513,699 119,810 ll9,810

2008 (Rp. I juta) 4,931,528 1,795,820 970,0ll 825,809 4,931,528 3,846,154 927,555 927,555

2008 (Rp. I juta) 2,156,164 734,369 47"1,705 . 256,664 1,552,964 2,288,143 439,516 439~16

16/41963.pdf

I-2

Nama Perusahaan

PT. Tunas Baru Lampung Tbk 2013 2011 2010 2012 (Rp. I juta) (Rp. I juta) (Rp. I juta) (Rp. I juta) A set 3,651,105 6,212,359 4,244,618 5,197,552 Tanaman perkebm1an : 864,889 933,936 821,369 1,042,377 - Tanaman menghasilkan 632,172 410,156 626,020 679,791 - Tanaman belum menghasilan 454,733 301,764 195,349 362,586 Ekuitas 1,797,974 1,607,315 1,241,591 1,759,496 Penjualan usaha 3,705,288 2,951,114 3,805,931 3,731,749 Laba bersih 86,549 421,127 248,136 243,767 Laba Komrrehensif 421,684 248,169 243,237 85,8391 Sumber: Laporan Tahunan Perusahaan yang dipublikasi (2009, 2010,2011,2012 dan 2013)

PT. Sinar Mas A~o Resources and Technology, Tbk 2013 2011 2010 2012 (Rp. I juta) (Rp. I juta) (Rp. I juta) (Rp. I juta) 18,381,114 16,247,395 14,721,899 12,475,642 1,368,034 1,428,169 1,440,800 1,404,447 1,272,486 1,267,189 1,237,830 1,249,846 95,548 !90,339 190,954 137,258 6,484,901 8,939,395 7,335,552 5,833,323 23,935,214 25,526,306 31,676,219 20,265,425

Nama Perusahaan

2008 (Rp. I juta) 2,802,497 646,972 297,288 349,684 686,859 3,955,846 63,692 63,337

2009 (Rp. I juta)

2008 (Rp. I juta) 10,025,916 1,355,919 979,433 376,486 4,615,204 16,101,565

ka

A set

2009 (Rp. I juta) 2,786,340 726,386 247,778 478,608 904,700 2,983,573 251.712 251,7121

rb u

Tanaman perkebunan : - Tanaman menghasilkan - Tanaman belum menghasilan Ekuitas Pendapatan usaha Laba bersib

Laba Komprehensif

1,246,922

Te

2,178,705 1,790,735 992,9791 Sumber: Laporan Tahunan Perusahaan yang dipublikasi (2009, 2010,2011,2012 dan 2013)

PT. Gozco Plantations, Tbk 2013 2012 (Rp. I juta) (Rp. I juta) 3,201,105 3,187,520 1,233,851 1,199,062 739,622 595,583 603,479 - - _494,229 1,503,296 1,600,149 427,623 405,328

A set

Tanaman perkebunan : - Tanaman menghasilkan ·_T~~ t-etwp_!fl~gh_~i!~- _

ve

Ekuitas

rs

ita

s

Nama Perusahaan

Pendap~ usaha

ni

U

1,429,362 1,145,571

283,790 4,795,878 14,201,230 748,4951

1,046,389

2011 (Rp. I juta) 2,834,598 1,073,040 1,073,040

2010 (Rp. I juta) 2,095,796 935,463 935,463

2009 {Rp. I juta) 1,993,046 851,474 851,474

2008 {Rp. I juta) 1,428,610 761,968 761,968

1,507,122 492,947

1,230,167 454,523

761,968 407,906

881,772 290,791

Laba bersih 98,421 167,999 Laba Kom£!:ebensif !95,845ll Sumber: Laporan Tahunan Perusahaan yang dipublikasi (2009, 2010, 2011, 2012 dan 2013)


10,210,595

161,632

204,3851

54,750

16/41963.pdf

I -3 Ringkasan Pos-pos Laporan Keuangan (Aset, Ekuitas dan Laba) Perusahaan-peTUsabaan Perkebunan di Wilayab SGX (2008- 2013)

First Resources Limeted

Nama Perusahaan

Aset

Tanaman perkebunan : -Biological assets (aset tanaman) - Tanaman belum menghasilan Ekuitas Pendapatan usaha Laba bersih Laba Komprehensif Kurs (Re!USD)

2013 (Rp.l juta) 21,699,760

2012 (Rp. I juta) 8,166,767

2011 (Rp. I juta) 13,602,671

2010 (Rp. I juta) 11,104,676

2009 (Rp. I juta) 9,520,856

2008 (Rp.l juta) 7,815,257

10,596,007

8,166,767

6.854,782

6,013,945

5,030,848

4,027,518

12,678,084 7,636,384 2,999,835 (816,980) 12,189

11,200,667 5,838,779 2,401,515 1,797,917 9,676

8,418,305 4,485,205 1,866,902 1,803,616 9.068

6,697,549 2,965,924 1,357,093 1,599,346 8,991

5,574,484 2,276,665 1,236,514 1,117,451 9,400

4,330,892 2,782,948 1,151,597 1,213,387 10,950

1

Global Palm Resources Holding Limited 2012 (Rp. 1.()()0) 1,161,622,188

2011 (Rp. 1.000) I ,218,530,972

2010 (Rp.I.OOO) 1,090,867,051

2009 (Rp. 1.000) 724,160,042

2()()8 (Rp.l.OOO) 606,862,776

653,185,280

677.144,369

784,610,699

697,044,398

606,951,395

484,634,422

968,497,939 343,523,824 13,521,327 (67,026) 12,189

916,946,953 333,562,260 (40,252,915) (16,543,597) 9,676

946,565,048 345,578,961 109,571,679 109,546,561 9,068

841,864, I 08 287,232,345 94,378,327 108,856,300 8,991

421,845,903 301,521,858 152,712,844 153,040,621 9,400

289,903,255 267,675,479 74,085,961 74,085,961 10,950

2012 (Rp.l Juta) 128,556,633

2011 (Rp.l Juta) 107,341,335

2010 (Rp.l Juta) 90,939,038

2009 (Rp.l Juta) 74,264,512

2008 (Rp.l Juta) 72,549,302

97,367,438

76,426,612

70,770,898

61,220,151

50,360,848

52,500,410

I 07,304,313 80,264,102 3,852,212 3,852,212

83,389,742 58,556,714 4,019,217 4,019,217

73,563,842 53,981,115 11,643,929 11,722,566

62,443,781 31,510,389 13,011,299 13,091,867

52,017,297 21,560,771 5,758,750

51,539,789 32,696,131 15,534,163

Ekuitas

usaha

Laba bersih

Laba K~mp~eh~~f

s

- Tanaman belum roenghasilan

rb u

A set Tanaman perkebunan : - Biologlcal assets (aset tanaman)

2013 (Rp.l.OOO) 1,183,507,036

Te

Nama Perusahaan

~endapatan

ka

Sumber : Laporan Tahunan Perusahaan yang dipublikasi (2009, 2010, 2011, 2012 dan 20 13)

rs

ita

Kurs (REIUSD) Sumber: Laporan Tahunan Pcrusahaan yang dipublikasi (2009, 2010, 2011, 2012 dan 2013)

1

Golden Agri Resouces Ltd

Narr.a Perusahaan

ve

U

ni

Aset Tanaman pericebUUlUl : ~Biological assets (aset tanaman) ~ TanaD18ll beh.IID menghasilan Ekuitas Pendapatari Usaha. Laba bersih

2013 (Rp.l Juta) 172,452,459

Laba Komprebensif Kurs R IUSD)

5,758,750

1

15,534,163

Sumber: Laporan Tahunan Perusahaan yang dipublikasi (2009, 2010, 2011, 2012 dan 2013)

Indofood Agri Resurces Ltd

Nama Perusahaan

2013

2011 (Rp.l Juta) 33,206,646

2010 (Rp.IJuta) 28,188,788

2()()9 (Rp.l Juta) 23,647,807

2008 (Rp, lJuta) 20,862,651

10,453,082

9,486,096

8,152,865

15,700,296 9,4~,281 1,906,155 2,036,707 8,991

19,736,668 ·9;040,325 2,053,262 2,053,2621 9,400

16,498,049

Aset

34,811,337

2012 (Rp.l Juta) 37,704,838

T.._l'O'k~buu.all: , . ·<.:.,:;. ~Biological assets (aset tanaman)

13,893,246

12,585,842

11,615,()()2

22,833,234 13,279,7'78 921,192 912,968 12,189

22,517,945 13,844,891 1,835,453 1,743,658 9,676

21,440,557 12,605,311 .. 2,640,856 3,040,468 9,068

·-.(:: .. (Rp: 1 Juta)

..

~~-T~P~_an,~~:~e#MiWi!~;-~::-~}\:i%~-Ekuitas

!:<:ri4"Pl!tan i£i'il>i ' Laba bersih

l:oalJ~ j(pinf#_li§~jf

·i{~{.jf~~'

Kurs (REIUSD) Sumber : Laporan Tahunan Perusahaan yang dipublikasi (2009, 2010, 2011, 2012 dan 2013)


.

11'",840,499 1,066,717 1,066,717 10,950

16/41963.pdf

l -4

Nama Perusahaan

A set Tanaman perkebunan : -Biological assets (aset tanaman) - Taniunan belum menghasilan Ekuitas Pendapatan usaba Laba bersih Laba Komprehensif Kurs (Rp!USD)

Kencana Agri Limited 1013 lOll -1000 -1000 5,880,193 5,094,114

1011 -1000 4,338,340

1010 -1000 3,484,399

1009 -1000 2,449,762

1008 -1000 1,915,407

3,294,711

2,827,027

2,331,909

1,872,690

1,461,418

1,163,733

2,017,816 3,472,817 (130,946) (73,865)

2,198,513 2,921,049 167,434 11,050

2,065,618 2,853,935 210,205 181,478

1,889,171 1,366,488 204,833 267,572

1,350,799 1,145,982 157,112

1,206,690 1,148,524 l 13,048 72,664

160,658,920

372,613,678

373,299,363

9,180,323

I 7,352,23 I

16,558,689

133,934,63 I 224,520,354 15,975,507 18,520,9421

138,038,897 319,139,776 15,927,060 17,050,803

333,8791

s

Te

rb u

568,394,949 405,619,217 Aset 212,633,601 Tanaman perkebunan : -Biological assets (aset tanaman) 22,911,310 19,064,729 10,460,255 - Tanaman belum menghasilan Ekuitas 193,400,681 147,028,891 103,480,652 Pendapatan usaba 537,352,077 439,903,994 405,430,588 Laba bersih 16,952,437 12,776,452 17,866,798 Laba Komprebensif 16,952,437 12,776,452 15,411,265 Kurs (R IUSD) Sumber; Laporan Tahunan Perusahaan yang dipublikasi (2009, 2010, 2011,2012 dan 2013)

ka

Sumber: Laporan Tahunan Perusahaan yang dipublikasi (2009, 2010, 2011, 2012 dan 2013)

ita

6,140,590 4,062,708 1,033,847 1,033,847 12,139

U

2011

2010

2009

2008

(Rp.l Juta)

(Rp.l Juta)

(Rp. I Juta)

(Rp, I Juta)

6,506,808

5,562,326

3,340,148

5,263,330

4,319,988

3,624,897

2,142,881

5,287,062 3,525,546 895,338 895,338 9,676

2,925,453 2,805,316 892,570 892,570 9,068

2,273,440 1,960,671 1,028,728 1,028,728 8,991

1,278,189 1,431,454 359,468

rs

6,758,331

ni

Aset Tanaman perkeburum : -Biological assets (aset tanaman) - Tanaman belum menghasilan Ekuitas Pendapatan usaha Laba bersih Laba Koroprehensif Kurs (Rg!USD)

Bumitama A~ri Ltd 1013 2012 (Rp.l Juta} (Rp.l Juta) 11.843,761 9,089,127

ve

Nama Perusahaan

Somber: Laporan Tahunan Perusahaan yang dipublikasi (2009, 2010, 2011,2012 dan 2013)


89,688,426 273,124,318 14,000,345 13,077,643

359,4681 9,400

10,950

16/41963.pdf

Lampiran 2 : Perbandingan Nilai Tanaman Per Ha Untuk Wilayah IDX (Nilai Historis) Dan Wilayah SGX (Nilai Wajar)

Nama Perusahaan \Vilayab IDX PT. Astra Agm Lestari Thk PT. BW Plantation Tbk PT. PP. London Sumatera Indonesia Tbk PT. Sampoc:ma Agro Thk PT. Tunas Baru Larnpung Tbk

SGRO TBLK

PT. SMART, Tbk

SM.AR

PT. Gozco Plantations, Thk

GZCO

Kode"

Luas Tanaman (Ha) 2013 220,021

AAll B\\IPT LSIP

Nama Perusahaan Wilayah SGX FlfSt Resources Limeted Global Palm Resources Holding Limited Golden Agri Resout:es Ltd lndofood Agri Resurccs Ltd Kencana Agri Limited Wilmar lnternatioanl Limited Burnitama Agri Ltd

Kode*

101,250 II 0,579 70.712 -.l6,924

107,946 32,883

Luas Tanaman (lla) 2013

FRL

148,727

GPR GAR IAR KAL W!L BGA

10,403

Nilai Buku (Rp. ljuta)

2013

l'Oilai Buku!Ha (Rp. ljuta) lOB

22,600 4,972,531 4,328,064 42,746 2,492,835 22,543 1.595,791 22,567 864,889 18,432 U68,034 \2,673 !,233,851 3 7,522 Rata-rata 25,5S4 Nilai Wajar Nilai WajariHa (Rp.ljuta) (Rp. ljuta) 2013 2013

U

ni

ve

rs

ita

s

Te

rb u

.

ka

10,596,007 71,245 653,185 62,788 371,102 97,367,438 262,374 276,709 13,893,246 50,209 63,196 52,!35 3,294,711 241,048 22,911,310 95,049 6,758,331 58,793 114,952 94,808 Rata-rata ) kode 1m hanya untuk kepentmgan penehtlan 101 SUJa udak ada hubungan dengan kode d1 bursa cfek - Kun I USD masing-masing tahun 2013 dan2012, ada1ah Rp. 12.189 dan Rp. 9.676 Sumber : Diaolah kemba1i dari Annual Report tahun 2013 yang dipublikasikan oleh masing-masing perusahaan, 2014


16/41963.pdf

Lampiran 3

3- 1

Rangkuman Rasio-rasio Keungan (PBV, ROBA, ROE dan NPM) Perusabaan-perusabaan Perkebunan di Wilayah IDX (2008- 2013) Tahun

ROBA ROE NPM PBV 2008 1.36 0.51 0.35 2.99 2009 0.64 0.27 0.19 5.75 2010 0.66 0.28 5.53 0.24 AALl 2011 0.66 0.30 4.06 0.23 AALI 2012 0.55 0.26 0.21 3.21 2013 0.39 0.19 0.15 AALI 3.86 2008 0.25 0.44 0.23 BWPT 0.24 BWPT 2009 0.18 0.29 2.32 BWPT 2010 0.21 0.22 4.61 0.34 BWPT 2011 0.15 0.22 3.17 0.36 BWPT 2012 0.08 0.16 3.36 0.28 BWPT 2013 0.04 0.08 2.72 0.16 2008 0.52 0.19 0.24 L51P 0.81 2009 0.36 0.15 0.22 L51P 2.35 L51P 2010 0.51 0.23 0.29 3.85 0.82 2.63 L51P 2011 0.29 0.36 2012 0.50 0.18 2.44 0.27 L51P L51P 2013 0.32 0.12 1.99 0.19 5GRO 2008 0.60 0.28 1.45 0.19 5GRO 2009 0.35 0.16 2.89 0.16 2010 0.45 0.21 2.78 0.20 5GRO 5GRO 2011 0.47 0.22 2.25 0.17 0.24 1.74 5GRO 2012 0.13 0.11 1.40 5GRO 2013 0.08 0.04 0.05 2008 0.10 0.09 1.15 0.02 TBLK 2009 0.35 0.28 1.57 0.08 TBLK TBLK 2010 0.30 0.20 1.56 0.08 TBLK 2011 0.45 0.26 1.81 0.11 1.38 TBLK 2012 0.23 0.14 0.06 0.10 1.29 TBLK 2013 0.05 0.02 1.06 5MAR 2008 0.77 0.23 0.06 1.53 2009 0.52 0.16 5MAR 0.05 2.46 5MAR 2010 0.87 0.21 0.06 2.51 2011 1.25 0.24 0.06 5MAR 2.10 2012 1.55 0.24 0.09 5MAR 3.48 2013 0.73 0.15 0.04 5MAR 2008 0.07 0.06 0.45 0.19 GZCO 1.42 GZCO 2009 0.24 0.27 0.50 1.06 2010 0.17 0.13 GZCO 0.36 1.38 2011 0.16 0.11 0.34 GZCO 0.75 2012 0.08 0.06 0.24 GZCO 0.44 (0.08) (0.06) (0.22) 2013 GZCO 5umber: Diolah kern bali dari masing-masing Laporan Keuangan Perusahaan (Annual Report 2009- 2013) sam pel di wilayah IDX

U

ni

ve

rs

ita

s

Te

rb u

ka

AALI AALI AALI


16/41963.pdf

3- 2

Rangkuman Rasio-rasio Keungan (PBV, ROBA, ROE dan NPM) Perusahaan-perusahaan Perkebunan di Wilayah SGX (2008 - 2013)

KAL KAL KAL KAL KAL KAL W\L W\L W\L W\L W\L W\L BGA BGA BGA BGA

0.05 0.04 0.13 0.22 0.19 0.26 0.14 0.07 0.06 0.23 0.14 0.08 0.0039 (0.02) 1.03 1.07 1.42 1.47 0.67 0.74 -

2011 2012 2013 2008

2009 2010 2011 2012 2013 2008 2009

0.09 0.005 (0.04) 0.12 0.14 0.15 0.15 0.09 0.09

-

3.08 2.39 2.76 3.23 -

1.54 0.79 0.83 0.73 0.49 1.12 1.40 1.06 0.97 0.80 0.51 1.61 2.32 0.77 0.83 0.68 1.27 2.01 2.51 1.66 1.77 1.73 1.41 2.88 3.61 2.80 1.41

ka

0.51 0.38 0.32 (0.05) (0.00) 0.48 0.27 0.42 0.22 0.07 0.05 0.09 0.23 0.?1 0.24 0.13 0.07

PBV 1.15 2.35

rb u

(0.00) 0.30 0.11 0.21 0.17

0.26 0.36 0.13 0.12 (0.02) (0.00007) 0.30 0.11 0.21 0.16 0.05 0.04 0.06 0.10 0.13 0.14 0.08 0.04 0.06 0.25 0.14

0.31 (0.11) 0.28

Te

0.16 0.14 (0.02)

0.21 0.16 (0.06)

s

2009 2010 2011 2012 2013 2008 2009 2010

0.27 0.22 (0.08) 0.44 0.25

NPM 0.44 0.49 0.54 0.40

0 28 0.20 0.24

ita

2009 2010 2011 2012 2013 2008 2009 2010 2011 2012 2013 2008

ROE

rs

GPR GPR GPR GPR GPR GPR GAR GAR GAR GAR GAR GAR IAR IAR IAR \AR \AR \AR

2011 2012 2013 2008

ve

FRL FRL

2010

ROBA 0.30 0.22 0.23

ni

FRL

Tahun 2008 2009

U

FRL FRL FRL

0.06 0.29 0.20 0.06 0.004 (0.02) 0.05 0.08 0.05 0.04 0.03 0.03 -

1.38 -

0.17 0.28 0.25 0.28 0.45 0.52 2010 0.21 0.31 0.32 2011 3.38 0.17 0.17 0.25 2012 BGA 0.17 3.28 0.15 0.25 2013 BGA Sumber: Diolah kembali dari masing-masing Laporan Keuangan Perusahaan (Annual Report 2009- 2013) sam pel di wilayah SGX


41963.pdf. Universitas Terbuka. Koleksi Perpustakaan Universitas Terbuka

Recommend Documents